Manuel O'Brien Hughes, Líder de Relaciones con Gobiernos de IBM en Chile y México, compartió su opinión con Cointelegraph en Español acerca de la protección de datos en la era de la inteligencia artificial.
“Estamos en la era de la Inteligencia Artificial (IA) en todo lugar. De hecho, el 84% de las personas en el mundo hoy usan un dispositivo o servicio con IA. A medida que más personas comparten sus datos para ser aprovechados por estos sistemas, la confianza se convierte en la piedra angular de las interacciones con las organizaciones. Esta confianza se manifiesta cuando los dispositivos o servicios utilizados hacen lo que esperamos de ellos, de la misma manera en que aprendimos a confiar en que una aplicación bancaria realizará transacciones exactas”, expresó O'Brien Hughes y agregó: “Sin embargo, la forma en que las empresas usan nuestros datos o IA para brindarnos múltiples beneficios puede variar, al igual que los riesgos asociados, pues no todos los datos son gestionados de la misma manera y no todas las tecnologías con IA tienen el mismo proceso de creación. En ese contexto, la regulación es fundamental”.
Regulando la gestión de los datos en la economía de los datos
“Si los datos son como el petróleo, podríamos decir que, una vez refinados, se obtiene la gasolina de la IA. Esta combinación es la que puede entregar valor, tanto a las personas como a las empresas en la economía de datos. No obstante, hay un elemento clave que aún no se ha abordado de manera significativa en los marcos regulatorios: los diferentes riesgos que los modelos comerciales basados en datos plantean para las personas”, dice Manuel.
Desde IBM, creen que hay dos categorías distintas de modelos comerciales basados en datos:
Los de alto riesgo: que usan los datos de las personas como
fuente de ingreso (monetización de datos externos). En este modelo, las personas tienen poca comprensión sobre cómo se accede a sus datos, cómo se utilizan en la economía de datos o el nivel de riesgo que asumen al proporcionarlos.Los de bajo riesgo: que usan los datos para mejorar las operaciones, los productos o los servicios (monetización de datos internos). En general, las personas pueden esperar que sus datos no abandonen esta relación o pueden votar con su
billetera si no están satisfechos.
“Esta distinción nos permitirá buscar una regulación más apropiada y con un mayor equilibrio. Por ejemplo, se puede ajustar la carga regulatoria para que sea proporcional a los riesgos de los modelos comerciales basados en datos, aumentar la transparencia de la reventa de datos, exigir a los compradores que verifiquen que los datos fueron gestionados de manera legal y transparente, entre otras obligaciones”, aclara O'Brien Hughes.