Inteligencia artificial
Señora Directora: Este 2025 nos hemos deslumbrado con los vertiginosos avances de la Inteligencia Artificial (IA). Chile no ha sido ajeno a esta tendencia y hoy lidera los esfuerzos regionales por construir un modelo propio, el anunciado LatamGPT. Pero más allá de la infraestructura tecnológica y el capital humano, hace falta tomar conciencia sobre un pilar fundamental que alimenta estos modelos: los datos y su gobernanza. En Data Observatory sabemos que la calidad de los datos es el terreno menos glamoroso, pero el más decisivo de toda la cadena de valor de la inteligencia artificial. En contextos de alto impacto como la salud pública, el medio ambiente o la planificación territorial, las malas decisiones no provienen tanto de modelos defectuosos, sino de datos mal preparados, incompletos o sesgados. El estudio sobre Data Cascades en aplicaciones críticas de IA no hace más que confirmar algo que venimos repitiendo: todos quieren entrenar modelos, pero pocos quieren hacer el trabajo de los datos. Nuestra apuesta ha sido precisamente invertir en ese “trabajo invisible”, desarrollando infraestructuras, principios FAIR, procesos de documentación y gobernanza que permitan que los datos sean realmente reutilizables y confiables.
Si bien algunas voces importantes del ecosistema ya están hablando de modelos “Data Centric AT, hay otros antecedentes que merecen atención: estudios aseguran que la disponibilidad de datos generados por humanos para entrenar modelos de ÍA se podría agotar al año 2032. Una IA robusta, transparente y efectiva no nace del azar, sino del dato bien gobernado. Todo comienza allí. Si ese origen se descuida, se corrompe el sistema entero. Porque en la calidad y ética del dato se juega, desde ya, la confianza del futuro. Rodrigo Roa Data Observatory