La ontología exige la 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 de privacidad?

En una publicación reciente, el proyecto argumentó que la respuesta no debería ser más vigilancia. En lugar de pedir a los contribuyentes que entreguen selfies, identificaciones, escaneos biométricos y otros datos personales, Ontology dice 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 datos de entrenamiento de IA claramente ha cambiado. Solía ​​​​trabajar principalmente sobre la escala, el volumen y la cantidad de datos que se podían recopilar. Ahora la pregunta más importante es de dónde provienen esos datos, si en realidad son creados por humanos y cuánto de ellos ya han sido contaminados por contenido sintético.

Esa preocupación ya no es una cuestión de nicho. Se ha convertido en uno de los mayores dolores de cabeza que enfrentan los equipos de IA que intentan construir modelos más limpios y confiables. Ontology dice que el mercado ya está empezando a tratar la prueba de la personalidad como un activo valioso. Los datos humanos verificados se están convirtiendo en algo por lo que las empresas pueden tener que pagar más.

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, suelen pedir cada vez más información personal. Es posible que requieran una selfie, una identificación gubernamental, una verificación de vida, un seguimiento del comportamiento, la toma de huellas digitales del dispositivo o alguna combinación de todo lo anterior.

Cada capa puede hacer que la verificación sea más segura, pero también significa que el usuario renuncia a más privacidad. Con el tiempo, la persona que intenta demostrar que es real se divide en un conjunto de puntos de datos almacenados en los sistemas de otra persona. La ontología sostiene que ésta es una compensación equivocada.

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

El verdadero avance

La alternativa a la que apunta Ontology se basa en el modelo de datos de credenciales verificables 2.0 del W3C, que se anunció como recomendación en mayo de 2025. La idea es bastante simple, incluso si la criptografía detrás de ella no lo es: un emisor confiable, como un gobierno, banco o proveedor de verificación, puede confirmar algo sobre una persona una vez, y esa credencial puede vivir en el propio dispositivo del usuario.

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

Se entera de que un emisor confiable ha confirmado que la persona es humana. No ve el expediente de identidad completo de la persona, sus 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 dice que el verdadero avance aquí es la divulgación selectiva. Esto es lo que hace que el sistema realmente preserve la privacidad. Una credencial puede contener mucha información, pero el usuario solo revela las piezas que son importantes para la solicitud específica. Entonces, si una plataforma solo necesita una prueba de personalidad, obtiene exactamente eso y nada más.

Sin datos personales adicionales, sin datos biométricos, sin fragmentos de perfil reutilizables que puedan unirse más tarde. La compañía también señaló su propio trabajo en identidad descentralizada, incluidos $ONT ID y 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 a los usuarios generar pruebas localmente, sin exponer sus datos privados a emisores o verificadores. Sin embargo, el punto más importante no se trata sólo de la ontología. Se trata de hacia dónde se dirige la infraestructura de IA.

A medida que las empresas se apresuran a limpiar sus datos de capacitación y descubrir en qué se puede confiar, la presión para verificar a los contribuyentes humanos no hará más que crecer. La verdadera pregunta es si la industria resuelve ese problema incorporando más vigilancia a la pila o utilizando sistemas que permitan a las personas demostrar que son reales sin renunciar a su privacidad en el proceso.

La ontología apuesta claramente por la segunda opción. Y ahora que las empresas de IA se preocupan 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 siguiente fase de recopilación de datos de IA.