Big Data: Consideraciones Legales

El siguiente artículo será de especial interés a quienes están trabajando con inteligencia de negocios, y las tecnologías de última generación como Big Data, y el machine learning. Es una entrevista a Joshua Sun, quien es un asesor legal de SAP Global. El artículo original está en inglés por supuesto, las fuentes están al pié de página. Disfruten.

Big Data: Consideraciones Legales

¿Cuál es su participación en el aprendizaje automático y la inteligencia artificial?

Recientemente he empezado a asesorar a los equipos de Machine Learning de SAP. He estado involucrado activamente en el aprendizaje de esta parte del negocio y cómo consumen datos. Mi papel ha sido principalmente asesorar a los equipos sobre el uso de datos de una manera que sea compatible con las leyes reguladoras y ayudarles a pensar a través de la variedad de opciones en la utilización de datos.

¿Cómo ve el cambio de mercado en el futuro?

En la actualidad, muchas de las iniciativas de aprendizaje automático implican máquinas de entrenamiento para realizar funciones humanas básicas como ver, escuchar o clasificar. Estamos entrenando estas máquinas para aprender a reconocer las imágenes o el texto mucho de la misma manera que un ser humano podría ser capaz de hacer. También estamos entrenando máquinas para entender el texto o el lenguaje natural.

Una vez que una máquina comienza a reconocer la información relevante, la máquina puede entonces comenzar a procesar la información de maneras básicas, tales como ordenar y clasificar datos, lo que ahorra tiempo y esfuerzo. A medida que avance de los bloques básicos, las máquinas serán capaces de realizar tareas más sofisticadas, aprender a realizar tareas de manera más eficiente, o proporcionar conocimientos a partir de un análisis rápido de grandes conjuntos de datos que los seres humanos podrían haber perdido.

¿Qué obstáculos se prevén desde el punto de vista de software o implementación?

Como mi participación es menos técnica y más legal, los obstáculos que veo tienden a estar relacionados con la obtención de los derechos de uso de los datos. Existe una tremenda demanda para encontrar fuentes de datos para entrenar y mejorar nuestro software de aprendizaje automático, y a menudo es difícil mantenerse al día con la demanda de datos. El aprendizaje automático requiere el uso de muchos tipos de datos, tanto estructurados como no estructurados.

Hay dos consideraciones básicas antes de poder usar datos para el aprendizaje automático: 

1. obtener el derecho a usar datos; 
2. cumplir con las leyes de protección de datos. 

(Tiendo a centrarme en cómo obtener el derecho a utilizar los datos, mientras que el equipo de protección de datos y privacidad asesora en las regulaciones de protección de datos.)

Hay muchas opciones para obtener el derecho a utilizar los datos. 

Por ejemplo:

• Es posible que podamos comprar una licencia para usar los datos.
• Es posible que podamos utilizar datos públicos o conjuntos de datos de código abierto.
• En algunos casos, podemos tener el derecho de usar datos en nuestros sistemas para el aprendizaje automático.
• O podemos ser capaces de asociarnos con nuestros clientes en proyectos de Machine Learning.

Las leyes de protección de datos son fijas y no negociables, por lo que trabajamos con los equipos para averiguar si realmente necesitan usar datos regulados y si hay otras opciones. Si necesitan usar datos regulados, les aconsejamos sobre formas de usar los datos de acuerdo con las leyes.

¿Cuál es la parte más emocionante de la IA?

La capacidad del aprendizaje automático para realizar muchas de las tareas básicas y mundanas que la gente hace y liberarlas para hacer actividades más interesantes es, sin duda, una de las más emocionantes. 

Esto también es una de las áreas de IA que creemos que pronto se materializará, con amplios impactos y oportunidades.

¿Hay algún problema legal o normativo importante en el horizonte que usted espera que afecte la industria?

La Comisión Europea presentó el Reglamento General de Protección de Datos (GDPR) en 2012 y lo aprobó en 2016 como sustituto de la Directiva 95/46 / CE relativa a la protección de datos. En los Estados Unidos, la Comisión Federal de Comercio ha proporcionado orientación sobre las prácticas adecuadas para recopilar, utilizar y proteger la privacidad de los consumidores, aunque la mayor parte de la atención se centra en la correcta Divulgación, mantener promesas y mantener una seguridad adecuada.

¿Cómo han luchado las regulaciones actuales para mantenerse al día con la expansión de la industria?

Hay una serie de problemas.

Uno de ellos, es que cada país tiene leyes diferentes, y no hay uniformidad entre regiones geográficas. Como una empresa internacional que opera globalmente, por ejemplo, SAP necesita cumplir con una amplia variedad de regulaciones. Lo que se regula y cómo se regula difiere de un país a otro, por lo que a menudo debemos encontrar denominadores comunes cuando creamos políticas.

Otro problema es determinar dónde se ubican las personas y cuyas leyes se aplican. Cuando la UE aprobó por primera vez la Directiva 95/46/EC relativa a la protección de datos en 1995, el mundo era un lugar muy diferente. Con Internet y los servicios en la nube, sobre todo cuando esas tecnologías son utilizadas por compañías multinacionales, los flujos de datos a través de regiones geográficas, y terminan teniendo que navegar por muchas capas de regulación. Las reglas tienden a ser amplias y a veces pueden crear obligaciones que no son necesariamente más protectoras de los individuos.

Puede haber maneras de equilibrar la protección de las personas mientras se permite que los datos se utilicen con fines productivos. Por ejemplo, el nuevo GDPR introduce el concepto de "pseudonimización" -un proceso que no permite anónimos ni identifica directamente a los datos- como un método para cumplir con los requisitos de seguridad de datos del GDPR. También relaja algunos requisitos cuando los datos personales son pseudónimos.

Enfoques como este pueden ser útiles para la evolución de la regulación para satisfacer las demandas de nuestro cambiante panorama empresarial.

* Artículo publicado por Thadeus Suzenski (en inglés). 

Originalmente apareció en SAP Analytics. *