La inteligencia artificial está entrando en una nueva etapa en la que los datos se han convertido en uno de los recursos más valiosos del mercado tecnológico. Mientras las compañías desarrollan modelos cada vez más avanzados, también crece la necesidad de acceder a información real generada por personas. Ante las crecientes disputas legales relacionadas con derechos de autor y privacidad, algunas empresas están explorando fórmulas alternativas para obtener esos datos de forma más transparente. Una de ellas es Mode Inc, una startup que propone compensar económicamente a los usuarios por compartir información como fotografías, correos electrónicos o registros de actividad digital. La iniciativa plantea una pregunta cada vez más relevante: si nuestros datos tienen valor para entrenar sistemas de inteligencia artificial, ¿deberíamos recibir una parte de ese beneficio?

La inteligencia artificial necesita más datos que nunca

Los modelos de inteligencia artificial actuales consumen cantidades masivas de información durante su entrenamiento. Los sistemas generativos más avanzados utilizan enormes colecciones de textos, imágenes, vídeos y otros contenidos para aprender patrones, relaciones y comportamientos humanos. Sin embargo, la disponibilidad de datos útiles se está convirtiendo progresivamente en un desafío para la industria.

Durante los últimos años, gran parte de los contenidos públicos disponibles en internet ya han sido utilizados para entrenar sucesivas generaciones de modelos. Paralelamente, numerosos medios de comunicación, editoriales y creadores de contenido están comenzando a restringir el acceso a sus materiales o exigiendo acuerdos de licencia para permitir su utilización.

Esta situación ha provocado que las empresas busquen nuevas fuentes de información. Los datos generados por usuarios reales se han convertido en un activo especialmente atractivo porque reflejan situaciones cotidianas difíciles de reproducir mediante contenido sintético. Un análisis publicado por PYMNTS explica precisamente cómo las actividades digitales diarias están adquiriendo un valor creciente dentro de la economía de la inteligencia artificial.

Desde un punto de vista técnico, los modelos multimodales modernos requieren conjuntos de datos extremadamente diversos. Una única muestra puede incluir información textual, elementos visuales, datos temporales y metadatos contextuales. Cuanto mayor sea la variedad de ejemplos reales disponibles, más robustos suelen ser los resultados obtenidos durante el entrenamiento.

Mode Inc y la monetización de los datos personales

Es en este escenario donde aparece Mode Inc. La compañía, fundada por Dan Novaes, ha desarrollado un modelo de negocio basado en una idea relativamente sencilla: permitir que los usuarios obtengan una compensación económica por compartir determinados datos que posteriormente pueden utilizarse para desarrollar sistemas de inteligencia artificial.

Según explicó Novaes en una entrevista concedida a Business Insider, la empresa considera que los usuarios deberían participar en el valor económico generado por la información que producen diariamente.

La propuesta incluye diferentes tipos de datos. Los usuarios pueden compartir correos electrónicos, recibos de compra, información procedente de aplicaciones móviles, fotografías, hábitos de consumo digital y otros registros de actividad que permitan construir conjuntos de datos útiles para entrenar modelos de inteligencia artificial.

La empresa sostiene que este enfoque ofrece una mayor transparencia respecto a los mecanismos tradicionales de recopilación de datos. En lugar de que la información sea obtenida indirectamente mediante plataformas o servicios externos, el usuario decide de forma explícita qué quiere compartir y recibe una compensación por ello.

Un crecimiento basado en aplicaciones ya existentes

Uno de los aspectos más llamativos de Mode Inc es la velocidad con la que ha ampliado su alcance. La compañía ha apostado por adquirir aplicaciones ya consolidadas en lugar de depender exclusivamente de una única plataforma propia.

Entre las compras más recientes se encuentran herramientas como Trimbox, centrada en la gestión de correos electrónicos, y QR Code Reader, utilizada para la lectura de códigos QR. Estas adquisiciones permiten incorporar millones de usuarios adicionales y ampliar significativamente la diversidad de los datos recopilados.

La estrategia tiene una lógica técnica evidente. Cada aplicación genera conjuntos de datos diferentes. Una herramienta de correo electrónico puede proporcionar información relacionada con comunicaciones digitales, mientras que una aplicación de escaneo de códigos QR genera datos sobre hábitos de consumo, ubicaciones y patrones de uso de determinados servicios.

Según los datos compartidos por la propia compañía en la entrevista publicada por Business Insider, Mode afirma haber alcanzado una audiencia superior a los 100 millones de usuarios mensuales a través de las distintas aplicaciones integradas en su ecosistema. Asimismo, asegura haber distribuido aproximadamente 1.000 millones de dólares en forma de recompensas, descuentos e incentivos desde su fundación.

Por qué las fotos y los correos tienen tanto valor

Para muchas personas puede resultar sorprendente que una simple fotografía tomada con el móvil o un correo electrónico cotidiano tengan interés para las empresas tecnológicas. Sin embargo, desde la perspectiva del aprendizaje automático, estos materiales pueden aportar información extremadamente valiosa.

Los modelos de visión artificial necesitan millones de ejemplos para reconocer correctamente objetos, personas, documentos o escenas. Las fotografías capturadas por usuarios reales contienen una enorme variedad de condiciones lumínicas, ángulos, resoluciones y contextos que enriquecen considerablemente el entrenamiento.

Algo similar ocurre con los documentos y correos electrónicos. Los modelos de procesamiento de lenguaje natural requieren ejemplos auténticos para comprender mejor la estructura del lenguaje humano, las expresiones coloquiales y los patrones de comunicación utilizados en situaciones reales.

Desde una perspectiva puramente técnica, un conjunto de datos bien etiquetado puede incrementar significativamente la precisión de un modelo durante las fases de entrenamiento supervisado. En determinadas aplicaciones especializadas, mejoras aparentemente pequeñas de entre un 2% y un 5% en la calidad de los datos pueden traducirse en aumentos sustanciales del rendimiento final.

Novaes también señaló en la entrevista con Business Insider que algunos desarrolladores de IA buscan millones de documentos manuscritos, formularios y recibos para entrenar sistemas avanzados de reconocimiento documental. Este tipo de información resulta especialmente útil para modelos destinados a digitalizar documentos o automatizar procesos administrativos.

Los riesgos asociados a la privacidad

A pesar de las oportunidades económicas que plantea este modelo, también existen numerosas preocupaciones relacionadas con la protección de la privacidad.

Diversos expertos advierten que muchos usuarios no comprenden completamente qué implica compartir determinados tipos de información. Un reportaje publicado por The Guardian bajo el título «The Hidden Cost of Training AI Systems«, analiza algunos de estos riesgos y destaca cómo ciertos datos aparentemente inocuos pueden contener más información personal de la que parece a simple vista.

Las fotografías, por ejemplo, pueden incluir metadatos de ubicación, información temporal e incluso características biométricas. Los correos electrónicos pueden revelar patrones de comportamiento, relaciones personales o hábitos de consumo. Aunque las empresas afirmen anonimizar los datos, algunos investigadores sostienen que sigue existiendo el riesgo de reidentificación mediante técnicas avanzadas de correlación.

Además, la creciente importancia económica de los datos personales convierte a estas plataformas en objetivos potencialmente atractivos para ciberdelincuentes. La protección de la información almacenada será uno de los factores clave para garantizar la confianza de los usuarios.

Un mercado emergente para la próxima década

Todo apunta a que el mercado de datos obtenidos mediante consentimiento explícito continuará creciendo durante los próximos años. Las empresas tecnológicas necesitan demostrar cada vez más la procedencia legal de los conjuntos de datos utilizados para entrenar sus modelos.

En paralelo, están surgiendo nuevas plataformas dedicadas a la compraventa y licenciamiento de contenidos para inteligencia artificial. Un ejemplo de esta tendencia aparece en el análisis de Digiday, donde se describe cómo diversas compañías exploran mecanismos que permitan obtener información de forma regulada y remunerada.

La aparición de mercados especializados podría transformar profundamente la relación entre usuarios, creadores de contenido y desarrolladores de inteligencia artificial. En lugar de considerar los datos personales como un recurso gratuito, la industria parece avanzar hacia modelos donde la información tiene un precio claramente definido.

Reflexiones finales

La propuesta de Mode Inc representa una de las transformaciones más interesantes que está experimentando actualmente la economía digital. A medida que la inteligencia artificial aumenta su dependencia de datos auténticos y verificables, surge la posibilidad de que los usuarios participen directamente en el valor generado por esa información.

Sin embargo, el éxito de este modelo dependerá en gran medida de la capacidad de las empresas para garantizar transparencia, seguridad y control sobre los datos compartidos. La idea de cobrar por nuestras fotos, correos electrónicos o hábitos digitales puede parecer atractiva, pero también obliga a reflexionar sobre cuánto vale realmente nuestra privacidad en la era de la inteligencia artificial.