En inteligencia artificial, los datos son toda la información que una IA usa para aprender y para trabajar: números, textos, imágenes, sonidos, videos o lecturas de sensores. Son su materia prima. Sin datos, no hay IA.
Por eso se repite tanto la frase «los datos son el nuevo petróleo»: igual que el petróleo, valen poco en bruto y mucho cuando se refinan.
En esta página
- ¿Qué son los datos?
- Tipos de datos
- ¿De dónde salen los datos?
- Por qué importa la calidad de los datos
- Datos y privacidad
- Preguntas frecuentes
¿Qué son los datos?
Un dato es un hecho registrado: «esta foto muestra un perro», «este cliente gastó 50 dólares», «la temperatura a las 8:00 era de 24 °C». Un solo dato dice poco; millones de datos permiten descubrir patrones.
La IA aprende de los datos durante el entrenamiento y luego recibe datos nuevos para responder, en la fase de inferencia. Lo que aprende depende por completo de lo que había en esos datos.
Tipos de datos
Según su estructura
- Estructurados: ordenados en filas y columnas, como una hoja de cálculo o una base de datos de clientes.
- No estructurados: sin un formato fijo, como correos, fotos, audios, videos o publicaciones en redes. Son la mayoría de los datos del mundo.
- Semiestructurados: con algo de orden pero flexibles, como un formulario web o un archivo con etiquetas.
Según su uso en IA
- Datos etiquetados: cada ejemplo trae la respuesta correcta («spam», «no spam»). Se usan en el aprendizaje supervisado.
- Datos sin etiquetar: solo la información en bruto. Se usan en el aprendizaje no supervisado.
¿De dónde salen los datos?
- De las personas: búsquedas, compras, mensajes, fotos, valoraciones.
- De las empresas: ventas, inventario, historiales de clientes.
- De sensores y máquinas: teléfonos, relojes inteligentes, autos, fábricas.
- De fuentes públicas: webs, estadísticas oficiales, datos abiertos de gobiernos.
- Sintéticos: datos creados por una IA para entrenar a otra cuando los reales escasean o son privados.
Cuando se reúnen y organizan para un propósito, forman un conjunto de datos o dataset. Y cuando su volumen es enorme, se habla de Big Data.
Por qué importa la calidad de los datos
En IA se usa mucho una expresión en inglés: garbage in, garbage out («si entra basura, sale basura»). Una IA entrenada con datos malos dará malos resultados, por muy avanzada que sea. Los problemas más comunes son:
- Errores y duplicados, que se corrigen con el preprocesamiento de datos.
- Etiquetas equivocadas, por eso el etiquetado de datos se revisa con cuidado.
- Datos incompletos o poco representativos, que provocan el sesgo algorítmico.
- Datos desactualizados, que llevan a conclusiones que ya no sirven.
Datos y privacidad
Muchos datos son personales: tu nombre, tu ubicación, tu salud o tus compras. Las leyes de protección de datos de cada país regulan cómo se pueden recoger y usar. Antes de pegar información en una herramienta de IA, revisa qué hace el servicio con lo que le envías y evita compartir datos sensibles tuyos o de otras personas.
Preguntas frecuentes
¿Qué diferencia hay entre datos e información?
Los datos son hechos sueltos. La información es lo que obtienes al organizarlos e interpretarlos. «35, 36, 38» son datos; «la fiebre del paciente está subiendo» es información.
¿Cuántos datos necesita una IA?
Depende de la tarea. Los grandes modelos de lenguaje se entrenan con billones de palabras, pero para muchos problemas de empresa bastan unos miles de ejemplos bien elegidos.
¿La IA usa mis datos para entrenarse?
Depende del servicio y de tu configuración. Muchas herramientas permiten desactivar que tus conversaciones se usen para entrenar sus modelos. Revisa los ajustes de privacidad de cada una.
¡Sigue aprendiendo!
Explora nuestro Diccionario de IA: más de 40 términos esenciales de inteligencia artificial explicados en lenguaje sencillo.