Denuncian a Meta por utilizar datos privados en Argentina para entrenar su Inteligencia Artificial

Los abogados Facundo Malaureille y Daniel Monastersky han presentado una denuncia formal contra Meta, la empresa matriz de Facebook, WhatsApp e Instagram, por el uso indebido de datos personales en Argentina para el entrenamiento de inteligencia artificial (IA). Según informó Ciberseguridad Latam, la presentación incluye 22 puntos donde se exige a Meta Argentina explicaciones detalladas sobre sus prácticas de recolección y uso de datos personales.

Entre las exigencias más destacadas se encuentran:

• Actualización de la Política de Privacidad: Detalles y evidencia del consentimiento de los usuarios.
• Evaluación de Análisis de Impacto (PIA): Conforme a las guías argentinas.
• Anonimización de Datos: Explicaciones técnicas sobre el proceso y garantías de irreversibilidad.
• Prevención de Reidentificación: Medidas para evitar la reidentificación de datos anonimizados.
• Manejo de Metadatos y Datos Sensibles: Información detallada.
• Políticas de Retención y Destrucción de Datos: Procedimientos claros.

Adicionalmente, solicitan a la Agencia de Acceso a la Información Pública (AAIP) una auditoría independiente de los procesos de Meta en Argentina y establecer directrices sobre los estándares de anonimización aceptables en el país.

Facundo Malaureille destacó la importancia de que "Argentina tome una posición proactiva en la regulación del uso de datos personales para el entrenamiento de IA", mientras que Monastersky subrayó la necesidad de establecer un precedente legal que guíe futuras regulaciones en este ámbito.

La denuncia también hace un llamado a los legisladores argentinos a actualizar la legislación vigente para proteger a los ciudadanos de posibles abusos por parte de grandes corporaciones tecnológicas.

Precedentes en Europa

Esta acción se suma a las múltiples quejas que Meta ha recibido en Europa desde junio por cambios en su política de privacidad que permiten el uso de datos personales para entrenar IA sin consentimiento explícito. La organización NYOB ha instado a las autoridades de 11 países europeos a revisar urgentemente estos cambios, señalando que violan el Reglamento General de Protección de Datos (GDPR).

Max Schrems, fundador de NYOB, criticó a Meta por ignorar fallos previos del Tribunal de Justicia de la Unión Europea que prohíben el uso de datos personales sin consentimiento explícito, y subrayó la necesidad de que las empresas tecnológicas obtengan permiso directo de los usuarios antes de utilizar sus datos.

En julio de 2023, Google también enfrentó una demanda similar tras actualizar su política de privacidad, acusada de utilizar grandes cantidades de datos, incluidos materiales con derechos de autor, para entrenar su IA.

Esta situación plantea un desafío crucial para la protección de datos personales en la era de la inteligencia artificial, tanto en Argentina como en el resto del mundo.

¿Cómo se entrena una IA?

Entrenar una inteligencia artificial (IA) es un proceso similar a enseñar a un niño a reconocer patrones y tomar decisiones. Aquí te explicamos los pasos clave de manera simple:

1. Recolección de Datos: Primero, se recopilan grandes cantidades de datos, como imágenes, textos o sonidos. Estos datos son esenciales para enseñar a la IA.

2. Preparación de Datos: Los datos se organizan y se limpian para eliminar errores y asegurar que sean útiles. Por ejemplo, en el caso de imágenes, se etiquetan para identificar qué es cada cosa (como “perro” o “gato”).

3. Selección de un Modelo: Se elige un tipo de modelo de IA adecuado para la tarea. Hay diferentes tipos de modelos según lo que se quiera lograr, como reconocer imágenes o entender lenguaje.

4. Entrenamiento: El modelo de IA se "entrena" utilizando los datos preparados. Durante el entrenamiento, la IA analiza los datos y ajusta sus parámetros internos para mejorar su capacidad de hacer predicciones o decisiones. Este proceso se repite muchas veces hasta que la IA aprende a reconocer patrones.

5. Evaluación: Después del entrenamiento, se prueba la IA con un conjunto de datos nuevos para evaluar su precisión. Si la IA comete muchos errores, se vuelve a ajustar y entrenar hasta mejorar su desempeño.

6. Implementación: Una vez que la IA ha aprendido correctamente, se implementa en aplicaciones reales, como asistentes virtuales, sistemas de recomendación o reconocimiento de voz.

7. Mantenimiento: La IA necesita ser monitoreada y actualizada continuamente para asegurarse de que siga funcionando bien y adaptándose a nuevos datos.

En resumen, entrenar una IA implica darle muchos ejemplos, corregir sus errores y refinar su capacidad para tomar decisiones correctas, de manera similar a cómo aprendemos los humanos a través de la experiencia.