La «confianza en los datos» podría ser la clave para una mejor IA

Uno de los mayores obstáculos para adoptar y escalar las aplicaciones de IA es la escasez de datos sin procesar variados y de alta calidad. Para superarlo, las empresas tienen que compartir sus datos. Sin embargo, las numerosas restricciones reglamentarias y cuestiones éticas relacionadas con la privacidad de los datos representan un obstáculo importante para hacerlo. Una solución novedosa que mi empresa está probando y que podría resolver este problema es una confianza en los datos: una organización independiente que actúa como fiduciaria para los proveedores de datos y rige el uso adecuado de sus datos.

Investigación muestra que las empresas son cada vez más conscientes del valor de compartir datos y están explorando formas de hacerlo con otros actores de su sector o de todos los sectores. Los casos de uso típicos para compartir datos son la detección del fraude en los servicios financieros, aumentar la velocidad y la visibilidad en las cadenas de suministro, mejorar el desarrollo de los productos y la experiencia del cliente y combinar la genética, los datos de los seguros y los datos de los pacientes para desarrollar nuevas soluciones y conocimientos de salud digital. De hecho, la investigación ha demostrado que el 66% de las empresas de todos los sectores están dispuestas a compartir datos. Sin embargo, el intercambio de datos empresariales confidenciales, en particular los datos personales de los clientes, está sujeto a una estricta supervisión reglamentaria y es propenso a importantes riesgos financieros y de reputación.

Un fideicomiso de datos creado como fiduciario para los proveedores de datos podría facilitar mucho a las empresas el intercambio de datos de forma segura, al instituir una nueva forma de gestionar la recopilación, el procesamiento, el acceso y la utilización de los datos. Esa configuración legal y de gobierno obliga a los administradores de los fideicomisos de datos (los «fiduciarios») a representar y priorizar los derechos y beneficios de los proveedores de datos a la hora de negociar y contratar el acceso a sus datos para que los utilicen los consumidores de datos, como otras empresas y organizaciones privadas.

Centro Insight

• La IA y la igualdad

  Patrocinado por SAS

  Diseñar sistemas que sean justos para todos.

La confianza en los datos también puede fomentar interoperabilidad de datos así como la gobernanza ética y conforme a las normas de los datos, por ejemplo, garantizando que las personas hayan dado su consentimiento a los distintos usos de sus datos (tal como exige la normativa de varias jurisdicciones del mundo), eliminando el sesgo de datos y desidentificando los datos personales. Además, mediante la adopción de una nueva cohorte de tecnologías de vanguardia, como aprendizaje automático federado, cifrado homomórfico, y tecnología de contabilidad distribuida, un fideicomiso de datos puede garantizar la transparencia en el intercambio de datos, así como la auditoría de quién utiliza los datos en cualquier momento y con qué propósito (es decir, rastrear la cadena de custodia de los datos), lo que elimina las considerables fricciones legales y tecnológicas que existen actualmente en el intercambio de datos.

Los consumidores de datos que firmen contratos con el fideicomiso para acceder a sus datos pueden centrarse entonces en la utilidad que se puede derivar del análisis de los datos o de utilizarlos para entrenar los algoritmos de IA sin correr el riesgo de cumplimiento y reputación. Pueden hacerlo por sí solos (es decir, como consumidores directos de datos) o, quizás de manera más poderosa, formando «consorcios mínimos viables» (MVC) en los que los proveedores de datos y los consumidores de datos compartan recursos y talentos de datos para centrarse en un modelo de negocio específico.

Cómo configurar un fideicomiso de datos. Mi empresa, Willis Towers Watson, creó recientemente un fideicomiso de datos junto con varios de sus clientes. Nuestro propósito era poner a prueba el concepto y entender cómo aplicarlo en un escenario empresarial. Los tres objetivos clave eran: (1) cómo identificar un modelo de negocio y formar un MVC exitoso; (2) cuál debería ser el marco o los marcos de gobierno legal y ético para permitir el intercambio de datos; y (3) entender qué tecnologías necesitábamos reunir o desarrollar para promover la transparencia y la confianza en el MVC. Estas son algunas de las lecciones que aprendimos durante el piloto:

Desarrolle un marco ético y legal para el intercambio de datos. Descubrimos que era importante desde el principio establecer principios y aspiraciones fundamentales con los que todos estuvieran de acuerdo. Por ejemplo, los miembros del MVC piloto decidieron que se comprometerían a garantizar la privacidad de todos los datos de las personas que contenía y a ofrecer no solo valor empresarial sino también social. Trabajamos en estrecha colaboración con expertos en derecho y privacidad para formular un marco legal que garantizara el cumplimiento de las Reglamento general de protección de datos (GDPR). Y los miembros también decidieron que, para que el MVC superara la fase piloto y se comercializara, tendría que ser auditado por un «consejo de ética» independiente que explorara las implicaciones éticas y de otro tipo del uso de los datos y los algoritmos de IA resultantes.

Emplear una arquitectura federada/distribuida. Por lo general, a las organizaciones no les gusta la idea de transferir datos confidenciales de su infraestructura a un entorno externo. Por lo tanto, analizamos un enfoque federado, según el cual los datos permanecieran donde están y los algoritmos se distribuyeran entre los datos. Investigamos varias tecnologías que preservan la privacidad, entre ellas privacidad diferencial y cifrado homomórfico. Para garantizar la transparencia en la gobernanza de los datos, así como una auditoría y una cadena de custodia confiables, también exploramos la aplicación de la tecnología de contabilidad distribuida (por ejemplo, la cadena de bloques) como parte del conjunto tecnológico. Diseñamos la confianza en los datos como una aplicación peer-to-peer nativa de la nube que lograría la interoperabilidad de los datos, compartiría los recursos computacionales y proporcionaría a los científicos de datos un espacio de trabajo común para entrenar y probar los algoritmos de la IA.

El camino a seguir. El camino para convertirse en una organización basada en datos adecuada para la economía emergente de la IA es largo y arduo. Las confianzas de datos son una oportunidad de colaboración entre las organizaciones para que ese viaje sea más rápido, menos costoso y menos riesgoso. Y pueden hacer que las recompensas por la monetización de datos sean más atractivas desarrollando conjuntamente aplicaciones de IA comercializables y dando a terceros un acceso controlado a los datos de los miembros. Además, como descubrimos durante nuestro proyecto piloto, un fideicomiso de datos también puede ayudar a inspirar la creatividad, la colaboración interfuncional y la innovación, y puede atraer el talento digital. A medida que los dispositivos portátiles, los aparatos inteligentes y las redes 5G proliferen y se combinen en el «Internet inteligente de las cosas», el intercambio de datos y la colaboración se convertirán en la norma. Los fideicomisos de datos pueden ayudar a las empresas a dar el salto a esta nueva era.