La IA tiene 3 características que la hacen similar a la inteligencia humana.

Es capaz de
desarrollar tareas para las que se considera que se requiere inteligencia humana.

RESUMEN - ¿qué es IA?

Clasificación por capacidad de funcionar:

- Inteligencia Artificial General (AGI) - IA FUERTE:
Aún no se ha alcanzado. Son sistemas que pueden entender y ejecutar tareas
generalizadas, tener interacciones y realizar operaciones como las que haría una persona.
(Sentido común - Capacidad de sentir).

- Inteligencia Artificial Específica (ANI) - IA DEBIL:

Es la que existe actualmente. Es aquella que está diseñada para el cumplimiento de una
tarea o función concreta, sin poder realizar tareas adicionales o diferentes. Son sistemas no
conscientes, que no son sensibles ni están impulsados por emociones.

Además:
IA SIMBOLICA o Sistemas expertos : basada en ordenes/reglas de lógica(if-switch..). Para
baja complejidad. Pocas personas intervinientes.

IA NO SIMBÓLICA : aprendizaje automático o de máquinas. (machine learning) las

máquinas aprenden, crean patrones y predicen en base a datos históricos. El sistema se
entrena y genera sus propias reglas. (deep learning o redes neuronales son algunas IA NO
SIMBÓLICAS)

TIPO DE APRENDIZAJES AUTOMATICOS (tipo de algoritmos)

Aprendizaje NO SUPERVISADO:
explora patrones y características de un conjunto de datos. USO: CUANDO SE TIENE
CLARO EL DATO A INVESTIGAR.

recibe un dato -> identifica agrupaciones con comportamiento similar.

Técnicas -> Agrupacion: K-Means, DBSCAN, Mean-Shift, etc..
-> Reducción Dimensionalidad: Diricchlet latente(LDA) análisis semántico
latente (LSA), etc..
-> Busq. Patrones: A Priori, Euclat, FP-Growth, etc ..

usos -> (AG) puntos parecidos en mapas, imágenes, etiquetado, comportamiento anormal
-- (RD) Modelización de tópicos y documentos, imagenes falsas, gestión de riesgo -- (BP)
Ventas y descuentos, ubicación de productos, patrones de nav en web

Aprendizaje SUPERVISADO:
Relaciones entre datos de entrada y salida, que han sido etiquetados.
CUANDO SE CONOCE EL COMPORTAMIENTO Y SE QUIERE PREDECIR A FUTURO

Se etiquetan datos de entrenamiento -> datos nuevos -> predicción

Técnicas -> Clasificación: Naive BAyes, Árboles de decisión, regresión lógica, Vecinos,
Redes Neuronales
-> Regresión: Lineal, polinomiales, de Lasso Redes Neuronales.

usos -> (C) filtrados spam, detección idioma, sentimientos, escritura a mano, fraudes --- (R)
$acciones , demanda y venta, diagnosticos medicos.

Aprendizaje POR REFUERZO:

método de recompensas según acciones, que requiere del ambiente.
CONJUNTO DE DATOS PEQUEÑOS O SOLO APRENDE DEL AMBIENTE.

toma acción -> recompensa si hubo aumento.

Técnicas -> Alg. Geneticos: SARSA, Q-Learning, Deep Q-Networks, etc ..

Usos -> vehículos autónomos, juegos, aspiradoras, robots, trading.

ENSAMBLES:
algoritmos conocidos que individualmente no funcionan.
SE CONOCEN LOS DATOS Y LA CALIDAD ES EL PROBLEMA.

algoritmos NO eficientes -> combinación para eficiencia.

Técnicas -> Apilado: en paralelo dan una salida y con esta salida se genera el
algoritmo. (uso: base del Bagging)
-> Bagging: Random Forest (uso: app teléfonos rostro)
-> Boosting: se los entrena de a uno (uso: búsqueda web)

REDES NEURONALES

Se basan en neuronas o nodos que operan por capas conectadas entre sí y con funciones
diferentes. Una vez que se introducen parámetros a una red neuronal, ésta entra en una
fase de aprendizaje o entrenamiento, que le permite aumentar su precisión y reducir el
margen de error.

Redes neuronales profundas -> se construyen por multicapas(+3), procesan + recursos de

datos, menos procesamiento.(texto de vos, imagen, video).

APLICACIONES DE IA
- Visión computacional o visión artificial (video, imagen, mapas..)
- Procesamiento del habla y del lenguaje natural (voz)
- Vehículos autónomos (0-operado x humano , 5- sin intervención)

CAPACIDADES IA
- Automatización
- Precisión
- Deteccion (deteccion de errores o fraudes)
- Predicción
- Control y optimización de procesos

__________ VIDEO ABC Inteligencia Humana _____________

La inteligencia humana no es una sola, hay muchos tipos

A - RECONOCIMIENTO DE PATRONES DE INFORMACIÓN - Aunque haya varios tipos de

inteligencia humana, todas se definen por la capacidad de nuestro cerebro de procesar
información y alcanzar objetivos. Cuanto mejor proceso la información del entorno, mejor
tomaré la decisión.
El cerebro extrae, recorta y procesa la información. Es biológico y el proceso es diferente al
de la máquina.

B - ADAPTACIÓN DEL CEREBRO HUMANO - En el Conjunto de tecnologías subyacentes

(constelación de sistemas y herramientas que combinan software) LA IA ES UN GENERO
CON SUBGENEROS O SUBESPECIES DE TECNOLOGÍAS que se adaptan mas o menos
segun el contexto (ambiente/necesidad) y por eso se usa según el contexto y el recurso que
poseemos.

C - LIMITES DE NUESTRO CEREBRO (o proceso de la información en humanos) - El acto

de recordar es como un filtro de edición. como un acto creativo. Las máquinas no tienen
esta limitación de capacidad de almacenamiento y no tienen el problema de fidelidad de los
datos, no hay SESGOS (fenómeno por el cual el cerebro no puedo obtener todos los datos
del medio en que una persona se encuentra, ya que no puede ver/captar todo al mismo
tiempo). El humano siempre sesga de alguna manera naturalmente sin necesidad de una
mala intención.
Para enseñarles a las máquinas en algún momento vamos a sesgar nuestros propios
sesgos, para que no repitan nuestros errores pero debo tener que poder identificarlo.
Sesgos raciales o de géneros etc ..

___________ VIDEO ABC del concepto de IA ___________

¿Cuán integrados estamos como humanos a la tecnología?. Con el paso del tiempo se
empieza a naturalizar lo disruptivo de la tecnología, y en un tiempo perdemos de vista hasta
que punto nos cambia como humanos.

A - FENOMENO DEL BLANCO MOVIL - Como lo que estás tratando definir está en
movimiento, apenas lo definis ya se desplaza porque la tecnología avanza y queda obsoleta
la definición que le habías dado.
Cuando analizamos el fenómenos, intentamos concebir que sea inteligentes a nuestros ojos
pero nuestros ojos ya fueron moldeados y lo dejamos de reconocer como algo novedoso.

Introducción a los datos, información, conocimiento y algoritmos.

IA: BASES CONCEPTUALES PARA COMPRENDER LA REVOLUCIÓN DE LAS
REVOLUCIONES.

RAMAS DE IA →Machine learning

→ Representación del conocimiento y razonamiento (KR)

Blanco móvil
pase de: IA → Software comun → Ingenieria de software cotidiana

Grafo:
Un grafo es una estructura matemática que codifica relaciones entre elementos. Se
componen de conjuntos de nodos (los elementos) y arcos (las relaciones entre ellos); estos
últimos pueden ser dirigidos o no dirigidos.

Concepto de Información (datos y conocimiento)

Modelo de dominio: objeto (físico o no) que abstrae propiedades de otro objeto con el
propósito de simplificar su estudio.

DATOS: valor asignado a una entidad con relación a una propiedad que puede ser
cualitativa o cuantitativa. Conjunto de datos → dataSet.

Consistencia: es un atributo del dato, que sirve para definir un dato “Sano” (o que cumplen
“restricciones de integridad” - un dato lógico, no se puede decir que una montaña mide 1000
cm, porque es ilógico)

Completitud: propiedad de los dataset. Es cuando se conoce un dato y el resto de los datos
del conjunto. Incompletitud sería entonces, si se conoce sueldo, pero no sucursal, fecha de
cobro, etc..)

INFORMACIÓN: Cuando los datos se transforman mediante la aplicación de algún

proceso de análisis o se los interpreta en un contexto específico, es-tos dejan atrás la
condición de “crudos”, a la que se hizo referencia en su definición informal, y se convierten
en información.

CONOCIMIENTO: Cuando se tiene experiencia en el manejo de datos e información,

podemos decir que se alcanza algún nivel de comprensión de uno o más conceptos
relacionados al dominio, y en estos casos estamos en presencia de conocimiento.

ALGORITMOS: Un conjunto de instrucciones, reglas o una serie metódica de pasos que

puede utilizarse para hacer cálculos, resolver problemas y tomar decisiones.

consumen tiempo de cómputo y espacio de almacenamiento

Análisis de algoritmos → Crecimiento exponencial (crece en forma proporcional a si misma)
 Las múltiples caras de la IA

La “inteligencia” de la IA se asocia a aspectos teleológicos o finalistas.Por un camino

artificial, las máquinas logran resultados similares o aún más sorprendentes, aunque
todo ello no implica que el sistema
pueda “comprender” desde un enfoque biológico y humano todo lo que está en juego.

Cuando hablamos de máquinas inteligentes; en sus primeros pasos el programador

acompaña al sistema para armar su base de conocimiento y permitir que el sistema
adquiera la capacidad de actuar por sí mismo frente a situaciones nuevas. Luego, el
sistema se convierte en lo que se conoce como agente inteligente, cuando es, además,
capaz de continuar incorporando sus nuevas “experiencias”.

C - CAPACIDAD DE RECONOCER PATRONES DE INFORMACIÓN. (video)

La IA es como las máquinas logran obtener objetivos cuando se detectan patrones a partir
de los datos y/o de los entrenamientos hechos por los humanos.
(La capacidad de procesar información para resolver problemas en función de alcanzar objetivos)

La “Criatura nueva” del diario de Adan y Eva

- Los resultados de la máquina inteligente podrán ser sumamente eficientes,

adecuados en tiempo y forma, pero carece de la perspectiva humana. Carecer
de ética y sentimientos. Pero puede responder correctamente al problema.
- Se construye para que el agente sea capaz de percibir el ambiente y ejecutar
resultados. Alcanza autonomía y aprende de su experiencia.

IA DÉBIL (restringida - estrecha - blanda): proceso de datos para resolver problemas a

partir de algoritmos inteligentes con técnicas informáticas. Problemas de dominios definidos
a priori.
La IA supera por mucho nuestras capacidades cognitivas: velocidad de procesamiento,
posibilidad de conectarse y articular con otros sistemas de forma instantánea y, por
último, la enorme capacidad de almacenamiento de los datos e información.

algunas IA débiles → Machine Learning - Redes neuronales

IA FUERTE (Hércules): alcanzaría el “sentido común”, la capacidad de sentir, reconocer el

entorno y “autoconsciencia”. IAG (ia general) capacidad de aprender en cualquier contexto y
generar un círculo de automejora que llevaría a una explosion de la inteligencia.

Caja negra, caja blanca o cajas gris depende del poder de intervención humana sobre las
decisiones de la IA.

Test de Turing (juegos de las imitaciones) - IA es inteligente si:

 → Sistemas que actúan de forma humana (imitar conversación chat)
→ Sistemas que piensan de forma humana (psicología)
→ sistemas que piensan de manera racional (según leyes del pensamiento,
inferencias racionales o lógicas)
→ Sistemas que actúan de manera racional (agentes racionales - autónomos)

IA basada en el conocimiento

Conocimiento: todo aquello que puede ser adscrito a un agente, tal que su comportamiento
puede ser computado de acuerdo con el principio de la racionalidad. (racionalidad: de la
mejor manera posible).
EL conocimiento no será finito. pero El hecho de no poder plantear una pregunta infinita nos
lleva entonces a que dada una pregunta el procedimiento pueda detenerse luego de una
cantidad finita de pasos.

—---------- Videos (10-16) —---------

Motivaciones - usos médicos, de asistencia diaria etc..

Aplicaciones
→ Con personas en el proceso
- Inteligencia Asistida: ayudan a los humanos a tomar decisiones y realizar
acciones (dictámenes judiciales).
- Inteligencia Aumentada: aumentan la toma de decisiones y aprenden (google
map).
→ Sin personas en el proceso
- Automatización: tareas manuales existentes, rutinarias o no rutinarias (chat
boot).
- Inteligencia autónoma: Adaptarse a dif situaciones y actuar sin ayuda.
Oportunidades
- Se espera que la IA genere el 14% del PBI en 2030.
- Aumenta la productividad y calidad de productos y por ende el consumo.
- Más eficiente y eficaz entrega de servicios.
Desafíos
- Retos salvaguardar la seguridad y no ser acosador de mis empleados como IKEA.
- Autonomía en automóvil, no confíes en el auto autónomo (Tesla model s)
- NO confíe sus datos a facebook
- Puede producir una brecha más grande entre los que usan IA y los que no.
Principios Éticos (ROAM de UNESCO)
- R: derechos humanos - privacidad al recoger y conservar datos.
- O: apertura - se pueda explicar el proceso de toma de decisiones y criterios.
- A: Acceso - Uso indebido de datos.
- M: Gobernanza Multipartita - Falta de marco legal que garantice la protección.
Acciones
- Uso de IA para la mejora de servicios públicos.
- Se están realizando estrategias para la IA. Para la adopción y asimilación de
soluciones innovadoras.
 - Observatorios de políticas de IA (documentan buenas prácticas y estrategias).
ESTADO DEL ARTE

IA para mejorar procesos gubernamentales, prestación de servicios, interacción con

ciudadanos.. Bajo un uso ético y responsable. Estrategias para que esto ocurra. Hay una
carrera por la supremacía de la IA que en vez de contribuir a cerrar las desigualdades la
están profundizando. Impulsar marcos legislativos para abordar preocupaciones éticas.

GOBERNANZA Y ESTADO DE LA IA EN LOS ESTADOS DE LA REGIÓN

Temáticas tratadas en el SumMIT México 2018 (IA Latam book-cap4)

Durante el SumMIT, se pusieron en relieve tres sugerencias que debían ser tomadas en
cuenta para un
buen diseño de políticas IA:
(i) la necesidad de contar con salvaguardas políticas que aseguren responsabilidad social y
ética en IA;
(ii) la importancia de que las políticas se definan a través de un pensamiento
colectivo inclusivo e
interdisciplinario; y
(iii) contar con guías éticas en IA razonablemente establecidas.
1

Todas ellas exigen contar con una población formada y capacitada. La IA podría ser el
catalizador del cambio en el sistema educativo. Nuevas oportunidades y espacios. Se habla
de la formación en línea, superar las barreras idiomáticas, diferentes niveles de formación y
accesibilidad. Reconversión de los docentes

EL DESAFÍO DE RETENER LOS RECURSOS HUMANOS QUE SE PREPARAN EN EL

PAÍS.

Fortalecer la colaboración entre la industria y las universidades, mediante la formación

continua y la investigación.

Los sistemas de investigación y educación deben ganar densidad.

INFRAESTRUCTURA

(i) construcción de infraestructura de datos y el aumento de las velocidades de

megabits por segundo -por ejemplo la Red 5G
(ii) el desarrollo de infraestructura de hardware que optimice el flujo de los algoritmos
-como la computación neuromórfica en Estados Unidos
(iii) las infraestructuras distribuidas de tipo hiperescala (nube)

Educación - Empresas privadas piden que se atraiga estudiantes que han estudiado con
éxito en el exterior
ECOSISTEMA DE DATOS

PROBLEMAS Y DESAFÍOS DE LOS DATOS

- Interoperabilidad y acceso a los datos por la falta de organización funcional.
- Gobernanza de datos flexibles (hacer usos de datos simulados para resolver
problemas y promover el rol de un director)
- Reconversión de las organizaciones hacia un enfoque de datos e IA (definir objetivos
para saber los procesos, técnicas, contexto y organización)
- Gobernanza de datos basada en ética y derechos humanos (innovaciones verticales
y horizontales, protocolos y evaluación de calidad, responsabilidad pública -
Trazables,explicables,transparentes,auditables e interoperables.

PRIVACIDAD

Existen muchas tecnologías que comprometen la privacidad, y por ello se

debe analizar si es necesario
prohibir ciertas tecnologías en ciertos contextos, o también considerar si ello resulta una
medida extrema.
Por ejemplo, se ha demostrado que el reconocimiento facial puede tener un lado
positivo y útil, como
permitir encontrar personas desaparecidas o niños que han sido secuestrados,
entre otros

(i) Regular la recopilación e interpretación de datos.

(II)Determinar quiénes están facultados para su recolección;
(iii) Prever sanciones ante el mal uso de los datos
(iv) Adoptar como regla una política de código abierto para compartir datos que
no sean de carácter personal
(v) Poner a disposición una plataforma de datos común y regional accesible;
vi) Delinear la responsabilidad de los servidores públicos en materia de transparencia y,
vii) Garantizar un desarrollo tecnológico bajo un control democrático.
El impacto de la IA en el trabajo. Introducción

Las grandes y profundas mutaciones que producen las innovaciones técnicas suelen
tener muchas facetas en los lados luminosos y también en los oscuros. Así como el libro
y la imprenta resultaron claves para el proceso de alfabetización, el aumento del
conocimiento y el desarrollo de las sociedades también profundizaron un camino que
se volvería cada vez más exponencial con cada revolución industrial: crear,
transformar y eliminar tareas, oficios y trabajos

La tecnología más disruptiva de la Cuarta Revolución Industrial que transitamos es

una TIC: la inteligencia artificial. Estamos complementando o sustituyendo lo que antes
hacíamos con nuestra inteligencia biológica por una artificial.

Se apagan alarmas y se encienden otras. Tendencias internacionales.

La falta de trabajo no tiene correlación con la disrupción tecnológica (era una alarma falsa),
ya que se producen y se crean tareas emergentes de la tecnología. Los pronósticos están
mutando.
1- Los trabajos no están en riesgo en gral.
2- Existen pocas publicaciones que hablen de los nuevos empleos.
3- Automatizar para humanizar, generar las condiciones para adaptar las personas a
los nuevos conocimientos y crear nuevos rrhh capacitados.

1-Avances sobre tareas mecánicas y rutinarias.

Es necesario aplicar la IA a tareas rutinarias que superan nuestra capacidad de respuesta.
De modo que mejore la gestión y a su vez generar otras tareas que no afecten el empleo.

2-Aprovechar oportunidades y beneficios.

No tomar la IA como una amenaza sino como un beneficio para aumentar la competitividad,
la calidad de vida, mayor accesibilidad y reducir costos de producción. Incluso sin conocer
el idioma. Además de acelerar procedimientos burocráticos.

3-Transición y nuevas habilidades.

Las personas pre-digitales se irán retirando del mercado para dejar lugar a los millenials y
centennials. Los gobiernos deben poner el esfuerzo en re-entrenar y capacitar a todo el
personal en nuevas habilidades.

¿LAS MÁQUINAS NOS DESEMPLEAN?

En estos años, se acrecentará una convivencia entre tres efectos: desplazamiento,

complementariedad y productividad. Mientras que en ciertos casos habrá sustitución
directa de trabajos y tareas -efecto de desplazamiento-, habrá un aumento
complementario vinculado a las nuevas máquinas y a otras tareas o trabajos que
surjan –efecto de complementariedad-. El efecto de productividad se relaciona con un
fenómeno vinculado a la demanda de precios más bajos y al aumento general en el ingreso
disponible en la economía, debido a una mayor productividad.
Por lo general, estos efectos no se materializan simultáneamente, y la narrativa estándar
afirma que el desempleo inicialmente aumentará con la automatización, antes de caer
nuevamente cuando los precios y la productividad se ajusten ampliamente en la economía,
usualmente en una etapa mucho más tardía

En segundo lugar, la reducción de puestos de trabajo en áreas o tareas concretas no

impacta a nivel global, ya que no se evidencia un aumento del desempleo, aunque
es muy difícil establecer una correlación lineal sobre aspectos que tienen origen
multicausal.

LA IA EN LATINOAMÉRICA

Es crucial que se promueva la inclusión y capacitación de las/os trabajadoras/es

que se encuentren en alguna situación de vulnerabilidad, para que la inevitable
transición hacia ecosistemas de mayor automatización sea inclusiva

En este aspecto la cuestión de la inclusión social es determinante por el tenor de la

capacitación requerida. Altos niveles de pobreza y subempleo atentan contra una
política de sustitución de roles laborales, pero esto no es un problema atribuible al uso
de la IA, sino propio de opciones de gestión de gobierno.

Según el Instituto para la Integración de América Latina y el Caribe dependiente del

Banco Interamericano de Desarrollo (en adelante, “BID-INTAL”), el impacto de la IA
será exponencial en la fuerza productiva latinoamericana si se tienen en cuenta
algunos avances que ya se están implementando en esta región

Surgen retos y desafíos que presuponen tener en claro tres grandes aspectos:
1- cuáles son los nuevos trabajos y tareas de las que hablamos;
2- cómo es posible que se pueda comenzar a transitar un camino de humanización de
los empleos;
3- y, al mismo tiempo, cómo lograr un aumento de la productividad y de la
eficiencia en muchas actividades a partir de fomentar el paradigma de
“inteligencia aumentada” o “inteligencia híbrida”, o también conocido como
“cobotización”.

Los trabajos y tareas que surgen en la era de la IA

1- Trabajos centrados en el uso y mejora de la tecnología: Roles que se vinculan con la

creación, desarrollo y aplicación de robots o sistemas inteligentes (Roles IT), y las tareas
que requieren de habilidades humanas distintivas a partir de la digitalización y de la
transformación digital. Servicio al cliente, profesionales de ventas, capacitación y
desarrollo, ..), además startup de equipos multidisciplinarios.
2- Trabajo freelance y gig economy: economía colaborativa, basada en trabajos concretos y
esporádicos.La flexibilidad, el trabajo en línea y la descentralización de tareas se
destacan como sus principales pilares. (uber, community manager, freelancers..). tambien
crowdwork (grupos de trabajadores de distintos lugares del mundo que pueden desarrollar
proyectos en cualquier parte del dia).

3- Trabajo en redes sociales: Influencer, youtubers.. expertos en comunicación, analistas

4- Trabajos y tareas de la economía naranja: bienes y servicios (arte, diseño, música..)

vinculados con las plataformas y sistemas que dan soporte a ellos. ej: artes gráficas,
videojuegos, marketing, diseñadores..

NUEVAS HABILIDADES

- Habilidades digitales (coeficiente digital) conjunto de competencias técnicas y

cognitivas y socioemocionales que permiten a las personas alinearse con los
desafíos y cambios tecnológicos. Se deben desarrollar políticas de alfabetización y
asistencia para adultos.
- El pensamiento creativo, el desarrollo de la inteligencia emocional, las interacciones
humanas complejas, y las habilidades socioemocionales son la clave para el
presente y el futuro del trabajo. Aunque muchos proyectos de IA y robótica se
focalizan en estas áreas “más humanas”, todavía las máquinas están lejos de
insertarse en las actividades que se basan en estos atributos..
- Promoción del aprendizaje permanente: Hay que desarrollar continuamente
habilidades digitales, creativas y socioemocionales, para adaptarnos a la naturaleza
vertiginosa y acelerada de las disrupciones tecnológicas.
- Inversión en capital humano: Tanto las empresas como el estado deben invertir en la
alfabetización y creación de condiciones para adaptarse al trabajo con robots y
sistemas inteligentes. Aquí surge el concepto de “cobotización”, una suerte de
coworking entre humanos, IA o robots

COBOTIZACION

Como una convergencia entre sistemas de IA, robots y trabajadoras/es (“fuerza laboral
con inteligencia aumentada'').

Cuatro grandes herramientas que se aplican a los grandes sectores de las actividades
humanas: industria, manufactura y servicios. Estas son: Asistencia inteligente,
Automatización, Diagnóstico o detección inteligente, Predicción.

La combinación entre fuerza laboral humana y sistemas de IA o robots, bajo un

enfoque inclusivo, produce el fenómeno que hemos llamado “automatización que
humaniza”. La reducción de sesgos, errores y tiempos que torna más eficiente las
actividades, permite redirigir las capacidades cognitivas biológicas a tareas más
sofisticadas, o que requieren empatía y creatividad.
RUTA PARA PONER EN MARCHA EL GOBIERNO DE DATOS Y APLICAR LA IA

El primer paso para la gobernanza de datos es hacer un inventario de los datos con los que
se cuenta o puede contar un gobierno y su población. De igual manera, es importante
identificar sus productores y consumidores clave, así como sus administradores y
gobernadores actuales.Posteriormente, se realizan talleres y entrevistas para entender el
estado actual del ecosistema de datos, sus desafíos, lo que se está haciendo bien y las
necesidades futuras.

Con esta información se puede decidir qué tipo de gobierno es el ideal para cada parte
del ecosistema y nombrar un gobernador. Se recomienda que esta persona u
organización tenga conocimientos tecnológicos sólidos y en administración pública. De igual
manera, es preciso evitar sesgos políticos, socioeconómicos o raciales.

Estos gobernadores pueden comenzar a establecer las bases del mercado de datos con la
definición de los estándares de interoperabilidad, privacidad y seguridad. Al mismo tiempo,
se pueden desarrollar los portales para acceder a las herramientas o a los datos de los
productores. También es importante producir materiales para comunicar la existencia de los
servicios al ecosistema, así como para educar con relación a su uso ético y correcto a los
principales actores, incluyendo la población. Conviene crear materiales para que ésta
conozca la naturaleza de los datos disponibles, sus aplicaciones, dilemas éticos, riesgos y
alcances.

En conclusión, el gobierno de datos y la aplicación de IA sobre ellos no requiere desarrollar

nueva tecnología, sino organizar el ecosistema para implementar, educar y regular la que ya
se tiene. Este es un buen momento para que la legislación esté a la par e incluso se
adelante a la generación de tecnología. Muchos problemas éticos graves se pueden evitar,
sin retrasar el desarrollo de la IA, con un gobierno de datos robusto.

Hay muchos ciudadanos interesados en entrenar modelos que generen bienestar social y
progreso económico, pero muchas veces no tienen acceso a los datos o están incompletos
y mal organizados. Un gobierno de datos informática y tecnológicamente educado puede
proporcionar los recursos informáticos necesarios para que esa voluntad se transforme en
resultados. Al mismo tiempo, puede proveer las certificaciones para generar confianza entre
los consumidores en tareas que ponen en riesgo la vida.