Empresas como OpenAI, Meta y Google están en una carrera por recopilar datos para entrenar sus modelos de IA. Sin embargo, algunos líderes de la industria sugieren que depender únicamente de datos públicamente disponibles podría llevar a demandas por derechos de autor. En su lugar, abogan por utilizar datos sintéticos, que pueden generarse artificialmente y ofrecen más control y privacidad. Los datos sintéticos se consideran una alternativa más segura que facilita el desarrollo de la IA generativa. Sin embargo, también tienen limitaciones, como la incapacidad de crear datos perfectos sin información existente y desafíos en términos de privacidad y precisión con datos limitados.

Los datos públicos también presentan desafíos, como detalles cruciales faltantes y restricciones regulatorias en el acceso a los datos. El enfoque debería cambiar hacia enfoques que prioricen la privacidad y un diseño basado en datos responsable para el desarrollo sostenible de la IA. Los datos sintéticos pueden desempeñar un papel en la democratización del acceso a los datos dentro de las organizaciones, aportando valor y fomentando la innovación. El futuro radica en modelos de IA más pequeños y especializados orientados a tareas específicas, así como en regulaciones que cuantifiquen los riesgos de la IA. Este cambio se alinea con los principios de privacidad diferencial y datos sintéticos, enfatizando el desarrollo dirigido y eficiente en lugar de depender de una recopilación masiva de datos.