José Luis Zechinelli Martini es doctor en Ciencias de la Computación y maestro en Sistemas de Información y Comunicaciones por la Universidad Joseph Fourier (Universidad de Grenoble Alpes). Ingeniero en Sistemas Computacionales por la Universidad de las Américas Puebla.Es investigador en el marco del proyecto de cooperación GALILEAN sobre arquitecturas cloud “Just in Time” para procesamiento masivo de datos. Su investigación se centra en los problemas asociados a la integración de colecciones de Big Data en diferentes infraestructuras y la especificación de lenguajes de consulta espaciotemporales y de visualización para recuperar datos multimedia y multiformes de servicios distribuidos.
El concepto de datificación surgió hace aproximadamente una década para representar la posibilidad de digitalizar cualquier fenómeno o entidad, ya sea física o inmaterial, con el fin de analizar, comprender, predecir y controlar estos elementos.
«La datificación no es lo mismo que la digitalización, que toma contenido analógico —libros, películas, fotografías— y lo convierte en información digital, una secuencia de unos y ceros que las computadoras pueden leer. La datificación es una actividad mucho más amplia: consiste en tomar todos los aspectos de la vida y convertirlos en datos [...] Una vez que datificamos las cosas, podemos transformar su propósito y convertir la información en nuevas formas de valor (Cukier, Kenneth; Mayer-Schönberger, Viktor, 2013).» (1)
Esta tendencia, junto con la evolución tecnológica orientada a democratizar el acceso a recursos de cálculo y almacenamiento de diversas capacidades a través de la computación en la nube, ha transformado las metodologías científicas y los procesos de toma de decisiones.
Los datos digitalizados son observaciones fenomenológicas y pueden ser analizados mediante analítica predictiva, utilizando modelos matemáticos basados en métodos numéricos, estadísticos y probabilísticos, ampliamente empleados en ciencias e ingenierías. Además, cuando las propiedades de las observaciones, convertidas en colecciones de datos, no son aptas para ser utilizadas en modelos matemáticos convencionales, pueden ser abordadas mediante heurísticas, en el centro de los algoritmos (i.e., modelos) de inteligencia artificial.
En los últimos años, esta tendencia ha revolucionado tanto la vida cotidiana —en el ámbito físico y digital— como las expectativas en sectores médicos, sociales, gubernamentales, industriales y económicos. La medicina personalizada y el seguimiento fisiológico a través de dispositivos inteligentes han permitido recopilar estadísticas en tiempo real y recomendar estrategias de cuidado preventivo. En el ámbito gubernamental, la toma de decisiones basada en datos ha optimizado la formulación de políticas públicas, mejorando el bienestar ciudadano en entornos urbanos. En la industria, la capacidad de predecir y coordinar las condiciones óptimas para la automatización y optimización de los procesos ha transformado la producción.
En el ámbito del conocimiento y la ciencia, el método científico ha sido revisitado con nuevas metodologías basadas en el descubrimiento de patrones a partir del procesamiento masivo de datos. Gracias a la automatización, es posible explorar una gran cantidad de alternativas mediante algoritmos calibrados con innumerables combinaciones de parámetros y muestras de datos.
El acceso a una gran capacidad de cálculo ha permitido el desarrollo de modelos avanzados, en los cuales el conocimiento previo y las observaciones sirven de base para generar nuevo conocimiento. Este proceso no solo reproduce y mejora patrones existentes, sino que también posibilita la identificación de estructuras y tendencias inéditas. Detrás del espejismo de una producción eficiente de soluciones, las metodologías de análisis basadas en inteligencia artificial y guiadas por datos presentan márgenes de error y límites en su precisión y desempeño. Estas soluciones no son definitivas, sino que se construyen de manera iterativa y están en constante evolución. Siempre existe la posibilidad de mejorarlas o incluso refutarlas con la incorporación de nuevos datos, modelos más precisos o experimentos a mayor escala que generen resultados más fiables.
Sin embargo, estos beneficios conllevan costos económicos, sociales, medioambientales y culturales significativos. Los elementos clave en la generación artificial de conocimiento son los datos, los algoritmos y los recursos computacionales. Estos recursos no son bienes comunes; su gestión requiere inversiones económicas que superan los presupuestos de algunos países. Además, su acceso y uso están rentados y negociados, lo que limita el progreso a quienes pueden permitírselo y lo supedita a quienes los poseen.
El acceso a la tecnología depende en gran medida de la capacidad económica de quienes la utilizan. Detrás de la economía del mantenimiento y uso de estos recursos, se encuentran factores tangibles como la infraestructura física, el capital humano y los recursos ambientales involucrados en la gestión, el acceso y el procesamiento de datos.
Lejos de ser una economía inmaterial, la tecnología tiene implicaciones humanas tangibles, con un costo real en cada etapa del proceso. A menudo, estos costos recaen sobre minorías y comunidades del Sur Global, que enfrentan las consecuencias del avance tecnológico sin necesariamente beneficiarse de él en la misma medida.
El proyecto FRIENDLY (2) se enmarca en una corriente de iniciativas que cuestionan el precio del progreso basado en la tecnología, especialmente en lo que respecta a datos y algoritmos. Nuestro enfoque se centra en desarrollar soluciones para el procesamiento de datos libres de sesgos, con una visión de soberanía digital. Además, trabajamos en modelos de distribución de recursos naturales guiados por valores de justicia, sostenibilidad y responsabilidad. Creemos en la necesidad de redefinir la datificación mediante métodos de digitalización que generen datos de forma ética y respetuosa con las personas. Asimismo, promovemos el desarrollo de algoritmos transparentes, diseñados para garantizar que el progreso tecnológico tenga como objetivo el bien común y no sólo el beneficio material.