Ciudad de México.- Uno de los principales desafíos para la integración y desarrollo de la inteligencia artificial (IA) en distintos sectores como el financiero o la industria es la falta de un marco regulatorio claro, afirmó SimpliRoute, plataforma latinoamericana de optimización logística de última milla con IA y machine learning.

Para SimpliRoute, la falta de una legislación específica en la materia genera incertidumbre para las empresas.

Lo anterior, indicó, dificulta la inversión que pueden hacer las compañías en cuestión de tecnología relacionada con IA, algo que se complementa con barreras como la carencia de talento especializado e infraestructura tecnológica insuficiente.

Debido a que el auge de los sistemas basados en IA evoluciona rápidamente y su impacto es inmenso, es necesario analizar las legislaciones en diferentes ámbitos e identificar cómo podrían ser utilizados adecuadamente desde ya, consideró Álvaro Echeverría, CEO de SimpliRoute.

“ El papel de los gobiernos y los legisladores es inminente para fomentar el uso responsable de las tecnologías. Sin embargo, la tarea no es sencilla. La rapidez con la que avanza la IA supera con creces la capacidad de las legislaciones actuales para adaptarse, creando una brecha significativa en la regulación.

“ La brecha actual en la legislación representa oportunidades de mejora y de trabajo colaborativo entre actores de gobierno, la academia y el sector empresarial. El trabajo conjunto entre el sector público y privado, así como la inversión e innovación de las empresas, será esencial para lograr este objetivo y posicionar a México como un referente en el uso ético y avanzado de la IA para la región”, expuso.

Expuso que regular esta tecnología contempla las dos caras de la moneda: su aportación y beneficios, así como sus riesgos.

La firma de seguridad digital ESET destacó que actualmente muchas empresas están adoptando la IA para múltiples funciones; en el ámbito laboral por ejemplo, para revisar currículos para solicitudes de empleo, identificando anomalías en los conjuntos de datos de los clientes o escribiendo contenido para las redes sociales.

Pese a todas estas eficiencias, la inteligencia artificial también puede cometer errores o asumir falsedades, lo que revela que los sistemas de IA son tan buenos como los datos con los que se entrenan, por lo que es algo que requiere experiencia y supervisión humanas, destacó.

“ Garantizar la equidad y la objetividad en los sistemas de IA requiere un esfuerzo continuo en la curación de datos, el diseño de algoritmos y el monitoreo continuo”, comentó Camilo Gutiérrez Amaya, Jefe del Laboratorio de Investigación de ESET Latinoamérica.