Newsletter
Suscríbete a nuestro Newsletter y entérate de las últimas novedades.
A lo largo de la historia humana se han presentado hitos o momentos clave que marcan un punto de inflexión. Estos momentos se caracterizan por incidir en el curso de la historia, ampliando paradigmas y trayendo situaciones a la discusión que en un inicio pueden ser novedosas, pero que después se vuelven incluso generalizadas[1].
Sin embargo, vale cuestionar la medida en la que dichos puntos de inflexión no son necesariamente el surgimiento espontáneo de situaciones novedosas, sino la materialización o visualización de tendencias subyacentes hasta dicho punto no tan conocidas, perceptibles, o al menos, no tan evidentes en la discusión pública. Por ejemplo, en la década de 1990 se habló del “auge” de la globalización[2], en la década de 1960 de la exploración espacial, y ahora, en la década de los 2020, se habla del surgimiento de la Inteligencia Artificial (IA).
«Los retos no son menores, pero para ello, así como ocurrió con la exploración espacial, lo importante es iniciar la discusión bajo una lógica de “one small step, one giant leap for humankind”. En otras palabras, pensar, dialogar y reflexionar sobre el tema, porque los datos y la IA llegaron para quedarse en la agenda de competencia.»
Por ello, como punto de partida quisiera retomar un evento que quizás, de forma generalizada, podemos catalogar como uno de los principales hitos de la historia humana. El 20 de julio de 1969, los astronautas Neil Armstrong y Buzz Aldrin se convirtieron en los primeros seres humanos que pisaron la Luna. Más allá del evento específico, dicho momento representó la culminación de décadas de una carrera espacial entre Estados Unidos de América y la Unión Soviética, quienes buscaron -desde el lanzamiento del Sputnik en 1957- enviar a una persona al espacio[3] (aunque dicho anhelo fuese quizá tan antiguo como la humanidad misma). Si bien la Guerra Fría terminó, la carrera espacial continúa hasta el día de hoy, pues la ambición y deseo de la humanidad de explorar el espacio ha continuado a pasos mayores e incluso con participantes privados.
Parto desde esta premisa para hablar de IA, ya que me parece que pueden construirse analogías y reflexiones a partir de la carrera espacial. En este sentido, si bien el último par de años se ha caracterizado por el surgimiento de la IA Generativa (“GAI”, por sus siglas en inglés), lo cierto es que las herramientas de IA han sido utilizadas por las organizaciones y seres humanos desde hace ya varios años. Incluso, si bien OpenAI liberó la primera versión pública de ChatGPT en noviembre del 2022, la compañía fue creada en diciembre de 2015[4].
Asimismo, el uso de tecnologías de machine learning ha sido habitual en organizaciones de diversos sectores. Por ejemplo, se han utilizado en el comercio electrónico para personalizar contenido por tipo de cliente (targeting), para extraer datos en plataformas de reclutamiento de personal, y en general para el análisis de datos. Además, no tendríamos GAI sin los desarrollos previos en herramientas de procesamiento de lenguaje natural (“NPL”, por sus siglas en inglés) que buscan esencialmente facilitar la comprensión de comandos sin códigos o programación, sino que mediante lenguaje convencional (natural).
Haciendo el símil con la exploración espacial, tal vez el auge de la GAI representó “pisar la Luna”. Ahora bien, dicho hito -pisar la Luna- no significó ni el término ni el inicio de la carrera espacial. Así como en la exploración espacial para llegar a la luna fue necesario contar con insumos, lo mismo ocurre con el desarrollo de la GAI. En el caso de la exploración a la Luna, los insumos incluyen recursos materiales y humanos para construir mejores cohetes, desarrollar tecnología como sistemas de soporte de vida y mejores combustibles, entre muchos otros más. La falta de estos insumos o recursos efectivamente puede limitar el desarrollo de las tendencias subyacentes.
En mi opinión, en el caso de la IA, existen varios insumos sin los cuales su desarrollo no sería posible. Dentro de estos insumos me permitiré enfocarme en la relevancia de los datos con una óptica de competencia económica, sin obviar también a diversas tecnologías relacionadas y necesidades de infraestructura.
Hace casi un par de décadas, en el 2006, el matemático británico Clive Humby planteó que “los datos son el nuevo petróleo”[5], en el sentido que estos cada vez tendrían un mayor rol en las organizaciones y las actividades humanas. Fuera de que existen diversos planteamientos que han disputado esta noción[6], la relevancia de los datos en el plano social, económico, e incluso político y cultural, por mencionar algunos, queda manifiesta día a día.
Los datos pueden definirse como “una recopilación de valores discretos que contienen información que pueden ser interpretados”[7], estos pueden contemplar diversas variables cuantitativas o cualitativas, que en el agregado permiten conocer e interpretar contextos (desde patrones de consumo hasta grupos de edades de personas en una comunidad, por ejemplo). A su vez, dentro de las varias formas de categorizar a los datos, para fines ilustrativos, me referiré a dos: datos estructurados y no estructurados. Los datos estructurados son aquellos que están organizados en mecanismos como bases de datos -normalmente dispuestas en filas y columnas- facilitando su análisis e interpretación. Por otro lado, los datos no estructurados son aquellos que no están organizados y se contienen en diversos formatos, desde archivos en formatos digitales hasta correos electrónicos.
Ambos tipos de datos resultan fundamentales para el desarrollo de actividades de análisis de grandes volúmenes de información, así como el desarrollo de aplicaciones de IA. No sólo ello, sino que la disponibilidad de datos permite ofrecer a los consumidores más y mejores bienes y servicios, sean digitales o no. Asimismo, el contar con datos permite desplegar tecnologías como el Internet de las Cosas (IoT) e incentivar otras tecnologías emergentes.
Sin embargo, y pensando en términos de competencia económica, ¿en qué medida podríamos considerar que los datos pueden ser utilizados por cualquier Agente Económico (AE) para ofrecer bienes y servicios en un mercado determinado? Esta pregunta, busca invitar a la reflexión de los diversos mecanismos y formas en las que el derecho de la competencia está en franca evolución en la práctica al momento de enfrentarse a la disyuntiva sobre qué hacer con temas de datos.
Lo anterior, ya que existen reservas y preocupaciones como, por ejemplo, la falta de disponibilidad de datos de calidad para el desarrollo de aplicaciones de IA. Esto, en virtud de situaciones en las que se concentran datos en empresas que poseen participación significativa en diversos servicios tecnológicos[8], denominadas con categorías que van desde “Big Tech” hasta hyperscalers.
A mi parecer, el análisis correspondiente a qué hacer (o si se debe hacer algo) con temas de datos desde las herramientas del derecho y política de competencia económica dependerá de aspectos que van desde el marco jurídico aplicable hasta el contexto específico.
En este sentido, plantearía tres consideraciones que a motu proprio son aspectos para contemplar en reflexiones sobre este tema. En primer lugar, es importante señalar que existen disyuntivas y elementos importantes a considerar respecto a la titularidad de los datos. En algunas jurisdicciones, las normativas en materia de privacidad, datos personales e incluso propiedad intelectual, plantean que la posibilidad de tener modelos de datos abiertos depende esencialmente del consentimiento de las personas que son propietarias de estos. No sólo ello, sino que también sería pertinente evaluar la medida en la que se protegen los derechos de personas titulares de datos desde el momento en el que se generan hasta los usos subsecuentes. Sin usuarios no habría datos, y aunque durante muchos años la aceptación (casi automática) de términos y condiciones ha, en cierto sentido, facilitado el uso de datos, esto no exime la necesidad de plantear un balance entre el acceso a datos y el respeto a derechos.
En segundo lugar, existe una discusión clave respecto a los modelos de datos que pueden utilizarse en mercados específicos, incluso desde la posibilidad de tener datos abiertos. Indudablemente, durante varios años las empresas tecnológicas han invertido recursos significativos en generar capacidades de recopilación, procesamiento y análisis de datos. Ello, implica la necesidad de un balance delicado entre mecanismos que faciliten el acceso a datos para favorecer la competencia, pero también sin que se afecte o desincentive la innovación.
Finalmente, existe una discusión respecto a la forma en la que se pueden capitalizar los datos para el desarrollo de tecnologías emergentes, incluyendo IA. Por ejemplo, para poder desplegar capacidades y nuevos modelos es necesario contar con datos de calidad. ChatGPT fue y ha sido posible tanto por el desarrollo de tecnología e infraestructura, como por la disponibilidad de grandes volúmenes de datos (incluyendo de quienes lo han usado desde su difusión). Bajo esta lógica, si no hay disponibilidad y acceso a datos de calidad, existen condiciones limitadas para el desarrollo de más y mejores aplicaciones de IA, entre otras tecnologías emergentes.
A manera de conclusión retomo ideas desde la exploración espacial. El no contar con datos sería como si los cohetes no tuviesen motores de propulsión. Sin ellos, la humanidad no podrá continuar con la exploración del espacio. Los datos han sido, son y serán elementos clave para la IA. Los retos no son menores, pero para ello, así como ocurrió con la exploración espacial, lo importante es iniciar la discusión bajo una lógica de “one small step, one giant leap for humankind”. En otras palabras, pensar, dialogar y reflexionar sobre el tema, porque los datos y la IA llegaron para quedarse en la agenda de competencia.
—
[1] Las opiniones vertidas en este artículo son del autor, estas no representan ni reflejan las opiniones o posicionamiento oficial de ninguna organización de la cual forme parte.
[2] Autores como Keohane y Nye (2000) han abordado una premisa similar al analizar al fenómeno de la globalización en la década de 1990 desde la lógica del concepto de la interdependencia, estudiada desde la década de 1970. Keohane, R. y Nye, J. (2000). “Globalization: what’s new? What’s not? (and so what?).” Foreign Policy. 118. Pp. 104-119. Disponible en https://www.jstor.org/stable/1149673
[3] National Geographic (s.f.) “Así se gestó el primer vuelo espacial tripulado”. Disponible en https://www.nationalgeographic.es/espacio/el-primer-vuelo-espacial-tripulado
[4] Marr, B. (2023, 05, 19). “A short history of ChatGPT: How We Got To Where We Are Today”. Forbes. Disponible en https://www.forbes.com/sites/bernardmarr/2023/05/19/a-short-history-of-chatgpt-how-we-got-to-where-we-are-today/
[5] Arthur, C. (2013, 08, 23). “Tech Giants may be huge, but nothing matches big data”. The Guardian. Disponible en https://www.theguardian.com/technology/2013/aug/23/tech-giants-data
[6] Kershner, M. (2021, 05, 14). “Data Isn’t the New Oil – Time Is” Forbes. Disponible en https://www.forbes.com/sites/theyec/2021/07/15/data-isnt-the-new-oil–time-is/
[7] University of York. (s.f.) “Data: A Practical Guide.” Disponible en https://subjectguides.york.ac.uk/data/lore
[8] Metz, C. et al. (2024, 04, 06). How Tech Giants Cut Corners to Harvest Data for A.I. New York Times. Disponible en https://www.nytimes.com/2024/04/06/technology/tech-giants-harvest-data-artificial-intelligence.html
