Big Data e Inteligencia Artificial: Impacto, Algoritmos y Responsabilidad Legal

El Big Data y la Quinta Revolución Industrial

En términos disyuntivos, la inteligencia artificial está cambiando la forma de llevar a cabo el trabajo, lo que nos sitúa ante una nueva o quinta revolución industrial. El Big Data es un concepto surgido en los años 60 y 70 con el inicio del almacenamiento de datos. Básicamente, consiste en el almacenamiento de datos masivos, lo cual permite comprender el comportamiento personal y distinguir gustos individuales.

El Big Data se utiliza tanto en el ámbito público como privado para mejorar programas y conocer la percepción del público general hacia el gobierno de turno. En esencia, es el proceso de trabajo sobre una gran variedad de datos almacenados remotamente.

Datos estructurados y no estructurados

• Datos estructurados: Información que se encuentra en bases de datos, debidamente clasificada, etiquetada y procesada.
• Datos no estructurados: Información que carece de una clasificación interna que la haga identificable. Estos datos solo son útiles si se estructuran previamente.

¿Cómo funciona el Big Data?

El funcionamiento del Big Data se basa en cinco pilares fundamentales:

• Velocidad: Capacidad para procesar grandes volúmenes de datos en tiempo real, permitiendo filtrar información real de la falsa (ej. detección de Fake News).
• Volumen: Capacidad de observar y gestionar una cantidad masiva de datos.
• Veracidad: Garantiza que la información obtenida sea veraz e identificable para llegar al consumidor final idóneo.
• Valor: Capacidad de identificar y filtrar correctamente los datos relevantes.
• Variedad: Diversidad de fuentes desde donde se obtienen y procesan los datos.

Beneficios del uso del Big Data

1. Desarrollo de innovación: Permite buscar soluciones distintas a lo existente (ej. Google Maps).
2. Prevención de fraudes: Observa tendencias y parámetros de conducta mediante IA para predecir comportamientos fraudulentos.
3. Identificación de opciones comerciales: Facilita la creación de nuevos modelos de negocio.
4. Optimización de actividades: Previene y predice el fallo humano en tareas repetitivas.
5. Precisión en necesidades del cliente: Mejora la fidelización mediante la personalización de intereses.
6. Toma de decisiones eficiente: Permite decisiones más seguras y rentables, mejorando la experiencia del cliente.
7. Aprendizaje automático: Predice decisiones del consumidor, incluso antes de que este sea consciente de sus propios deseos.

El Algoritmo: Concepto y Estructura

Un algoritmo es una serie de instrucciones sencillas o reglas definidas y ordenadas lógicamente que permiten resolver un problema. Su estructura se compone de:

• Entrada: Datos de ingreso.
• Proceso: Secuencia lógica y formal.
• Salida: Resultado del proceso.

Tipos de algoritmos

1. Cualitativos: Secuencias lógicas sin fórmulas matemáticas.
2. Cuantitativos: Dependen de cálculos matemáticos.
3. Computacionales: Ejecutados por computadoras mediante código.
4. No computacionales: Realizados exclusivamente por personas.

Sesgos en la Inteligencia Artificial

Un sesgo es un criterio de elección personal. Los principales son:

• Sesgo estadístico: Derivado de cómo se realiza el muestreo.
• Sesgo cultural: Producido por los aprendizajes sociales y culturales.
• Sesgo cognitivo: Basado en la percepción individual y los sentidos.

De estos emanan otros como el sesgo de presentación, de filtro, de selección, histórico y de interpretación.

Identidad Digital y Reputación en Línea

La identidad digital es el conjunto de datos que identifican a una persona de forma única en la red. Se divide en:

• Formal: Ligada a documentos oficiales (ej. Clave Única, RUT).
• No formal: Nombres de usuario en redes sociales.

La reputación en línea es la opinión que tienen los demás miembros respecto a un sujeto en un contexto digital, pudiendo ser formal (registros oficiales) o informal (percepciones subjetivas).

Inteligencia Artificial: Razonamiento y Aprendizaje

La IA es la capacidad de razonar desarrollada por máquinas. Se clasifica en:

• Sistemas que piensan como humanos: Emulan el pensamiento mediante redes neuronales.
• Sistemas que imitan el comportamiento: Replican movimientos humanos.
• Aprendizaje profundo (Deep Learning): Formula conceptos y abstracciones.
• Aprendizaje automatizado (Machine Learning): Detecta patrones complejos en millones de datos.

Tipos de aprendizaje

1. Supervisado: Basado en etiquetas previas.
2. No supervisado: Resuelve encontrando patrones sin conocimiento previo.
3. Por refuerzo: Aprende de su propia experiencia (acierto y error).
4. Semisupervisado: Combina datos etiquetados y no etiquetados.

Desafíos Legales: Colusión y Responsabilidad

El uso de algoritmos para fijar precios puede derivar en colusión, donde la IA busca el beneficio de la empresa por encima de la libre competencia. Asimismo, el derecho de daños enfrenta un desafío ante la autonomía de la IA, ya que los regímenes tradicionales de responsabilidad (contractual o extracontractual) tienen dificultades para atribuir culpa a entes autónomos, planteando el debate sobre la creación de una "personalidad jurídica electrónica".