Ontology Pide Verificación Humana en los Datos de Entrenamiento de IA sin Sacrificar la Privacidad

Ontology está llamando la atención sobre un problema creciente en el mundo de la IA: ¿cómo se puede demostrar que un dato de entrenamiento proviene de una persona real sin convertir todo el proceso en una pesadilla para la privacidad?

En una publicación reciente, el proyecto argumentó que la respuesta no debería ser más vigilancia. En lugar de pedir a los colaboradores que entreguen selfies, identificaciones, escaneos biométricos y otros datos personales, Ontology afirma que la industria debería apoyarse en credenciales verificables y divulgación selectiva para que las personas puedan demostrar que son humanas sin revelar todo sobre sí mismas.

Esa idea importa más ahora que hace un año. La conversación sobre los datos de entrenamiento de IA ha cambiado claramente. Antes se trataba principalmente de escala, volumen y cuántos datos se podían recopilar. Ahora la pregunta más importante es de dónde provienen esos datos, si realmente son de origen humano y cuánto de ese contenido ya ha sido contaminado por contenido sintético.

Esa preocupación ya no es un problema de nicho. Se ha convertido en uno de los mayores dolores de cabeza para los equipos de IA que intentan construir modelos más limpios y fiables. Ontology afirma que el mercado ya está comenzando a tratar la prueba de identidad personal como un activo valioso. Los datos humanos verificados se están convirtiendo en algo por lo que las empresas podrían tener que pagar extra.

La demanda está aumentando, pero la oferta es limitada, y la forma en que muchas plataformas planean verificar a las personas es, en opinión de la empresa, profundamente defectuosa. El camino más fácil para la mayoría de las plataformas es también el más invasivo.

Si quieren saber si alguien es humano, generalmente solicitan cada vez más información personal. Pueden requerir una selfie, una identificación gubernamental, una verificación de vida, seguimiento del comportamiento, identificación del dispositivo o alguna combinación de todo lo anterior.

Cada capa puede hacer que la Verificación sea más fiable, pero también significa que el usuario sacrifica más privacidad. Con el tiempo, la persona que intenta demostrar que es real queda reducida a un conjunto de datos almacenados en los sistemas de otra persona. Ontology sostiene que este es el intercambio equivocado.

La empresa dice que el problema no es que las personas necesiten ser verificadas. El problema es que el modelo actual asume que la Verificación tiene que ir acompañada de una exposición permanente. Eso es lo que ocurre cuando la industria utiliza herramientas centralizadas diseñadas para recopilar la mayor cantidad de datos posible. En la práctica, el ser humano se convierte en el costo de la confianza.

El Verdadero Avance

La alternativa que señala Ontology se basa en el Modelo de Datos de Credenciales Verificables W3C 2.0, anunciado como Recomendación en mayo de 2025. La idea es bastante simple, aunque la criptografía detrás de ella no lo sea: un emisor de confianza, como un gobierno, un banco o un proveedor de Verificación, puede confirmar algo sobre una persona una sola vez, y esa credencial puede residir en el propio dispositivo del usuario.

Cuando una plataforma necesita saber posteriormente si esa persona es humana, el usuario puede presentar una prueba criptográfica en lugar de entregar el registro subyacente completo. Eso significa que el verificador obtiene lo que necesita, y nada más.

Aprende que un emisor de confianza ha confirmado que la persona es humana. No ve el archivo de identidad completo de la persona, los datos biométricos ni otros detalles adicionales. No es necesario contactar al emisor cada vez que se utiliza la credencial, y el usuario no termina dejando un rastro de identificadores vinculables en diferentes plataformas.

Ontology afirma que el verdadero avance aquí es la divulgación selectiva. Eso es lo que hace que el sistema sea genuinamente preservador de la privacidad. Una credencial puede contener mucha información, pero el usuario solo revela las partes que importan para la solicitud específica. Así, si una plataforma solo necesita prueba de identidad personal, obtiene exactamente eso y nada más.

Sin datos personales adicionales, sin biometría, sin fragmentos de perfil reutilizables que puedan ensamblarse más adelante. La empresa también señaló su propio trabajo en identidad descentralizada, incluidos ONT ID y la ONTO Wallet, como ejemplos de este enfoque en la práctica.

Según Ontology, estas herramientas están diseñadas para mantener las credenciales en el dispositivo y permitir que los usuarios generen pruebas localmente, sin exponer sus datos privados a emisores o verificadores. El punto más amplio, sin embargo, no se trata solo de Ontology. Se trata de hacia dónde se dirige la infraestructura de IA.

A medida que las empresas se apresuran a limpiar sus datos de entrenamiento y determinar en qué se puede confiar todavía, la presión para verificar a los colaboradores humanos solo va a crecer. La verdadera pregunta es si la industria resuelve ese problema incorporando más vigilancia en la cadena, o utilizando sistemas que permitan a las personas demostrar que son reales sin sacrificar su privacidad en el proceso.

Ontology claramente está apostando por la segunda opción. Y con las empresas de IA preocupándose ahora más por la procedencia que por la cantidad bruta, esa apuesta puede empezar a parecer menos un argumento de privacidad de nicho y más un requisito práctico para la próxima fase de recopilación de datos de IA.