El Valor de los Datos en la Era de la IA
La decisión de Reddit de licenciar sus contenidos para el entrenamiento de algoritmos de inteligencia artificial (IA) y los acuerdos multimillonarios entre Apple, OpenAI y medios de información plantean una pregunta crucial: ¿cuánto valen los datos, dónde están y bajo qué condiciones pueden convertirse en activos monetarios?
En los inicios de la inteligencia artificial generativa, las compañías recurrieron a entrenar algoritmos con datos extraídos directamente de la web, desafiando normas sobre privacidad. La calidad y confiabilidad de estos datos, llenos de desafíos como teorías conspirativas y contenido perjudicial, se convirtieron en factores determinantes.
A medida que la IA avanzaba, surgieron denuncias de violación de derechos de autor, llevando a las compañías a replantear su modelo de negocio. La gran incógnita persiste: ¿qué características deben tener los datos para ser valiosos en el entrenamiento de algoritmos y protagonizar acuerdos millonarios?
Variables y criterios a considerar incluyen la digitalización de datos, su cantidad, calidad, etiquetado, temática, consistencia y normalidad. La licencia de los datos también es una pregunta importante, ya que los algoritmos parecen perder trazabilidad durante el entrenamiento, cuestionando la viabilidad de atribuir adecuadamente las licencias.
En medio de estos desarrollos, surge la cuestión central: ¿quién posee estos repositorios de datos y qué valor tiene la posibilidad de entrenar algoritmos con ellos? ¿Estamos presenciando la era en la que los datos se convierten en el petróleo del siglo XXI?
