TikTok, X y Meta acusadas de bloquear datos a investigadores de la UE
Académicos europeos afirman que TikTok, X y Meta no están proporcionando datos de sus plataformas que están legalmente obligadas a compartir. Según los investigadores, esa brecha dificulta de forma significativa los estudios independientes sobre los efectos de las redes sociales en la opinión pública, la salud mental y la propagación de la desinformación. Las propias empresas no son citadas directamente en lo reportado aquí; las afirmaciones se atribuyen a los investigadores y a una denuncia relacionada.
La obligación en cuestión proviene de normas de la Unión Europea que exigen a las grandes plataformas dar acceso a datos a los investigadores. Reglas de este tipo buscan que académicos y organizaciones de la sociedad civil puedan examinar de forma independiente el comportamiento de las plataformas: cómo los algoritmos priorizan ciertos contenidos, por ejemplo, o con qué rapidez se propaga la desinformación.
Según los investigadores, existe una brecha amplia entre el acceso que las normas otorgan sobre el papel y lo que realmente se entrega en la práctica. Se dice que las solicitudes de datos se retrasan, que los datos proporcionados están incompletos o llegan en formatos inutilizables, o que las condiciones de acceso son lo bastante restrictivas como para hacer la investigación prácticamente imposible. Estas afirmaciones no han sido verificadas de forma independiente en este reportaje.
Conviene subrayar que ninguna infracción de las normas por parte de las empresas se presenta aquí como un hecho establecido. Términos como "acusadas", "afirman" y "según los investigadores" se usan deliberadamente, porque lo que se sabe se basa en declaraciones de investigadores y en la denuncia o el informe subyacente; las empresas no son citadas con ninguna respuesta en lo reportado aquí.
Este debate no es nuevo: la transparencia de las plataformas y el acceso de los investigadores llevan tiempo en el centro de las discusiones sobre el efecto de las redes sociales en la sociedad. Los investigadores sostienen que, sin un escrutinio externo independiente, las declaraciones que las plataformas basan en sus propios datos internos siguen siendo imposibles de verificar.
Las tres empresas no están en una posición idéntica en esta disputa; cada una tiene un producto y una base de usuarios distintos. Pero según los investigadores, el problema de acceso a datos se observa en las tres, de forma similar o diferente. En este reportaje no se emplea un lenguaje cargado hacia ninguna de las tres empresas; se mantiene un enfoque neutral a lo largo del texto.
La falta de acceso a datos puede tener consecuencias concretas: los investigadores pueden tener dificultades para producir hallazgos basados en evidencia sobre cuestiones como la contribución de las recomendaciones algorítmicas a la polarización, la velocidad de propagación de la desinformación o los efectos en los usuarios más jóvenes. Eso, a su vez, afecta directamente a cuánto pueden saber realmente el público y los reguladores sobre el impacto real de las plataformas.
Qué tan aplicable resulta el marco regulatorio también forma parte de este debate. Las normas pueden existir sobre el papel, pero la manera en que se aplican, y cómo se investigan las denuncias de incumplimiento, determina la eficacia real de la regulación. Esto no es exclusivo de estas tres empresas; es un caso de prueba más amplio para la regulación de plataformas en general.
De cara al futuro, valdrá la pena seguir cómo se gestiona la denuncia o el informe subyacente y cómo responden los reguladores. La manera en que las empresas respondan a estas acusaciones también será un factor importante que dará forma a cómo el público evalúe el asunto.
En conjunto, esta disputa plantea una pregunta más amplia sobre hasta qué punto las normas de transparencia de datos pueden cerrar la brecha entre la intención y su aplicación real, no como un desenlace resuelto, sino como parte de un debate todavía en curso.
Para seguir leyendo
Subida de precio del Pixel 11: un directivo de Google casi la confirma
Shakil Barkat, vicepresidente de Dispositivos y Servicios de Google, prácticamente confirmó en una entrevista con 9to5Google que el próximo teléfono Pixel de la empresa costará más que el Pixel 10. Barkat dijo que Google había "protegido a los consumidores de las fluctuaciones del suministro durante todo el tiempo posible", pero que "la economía ha cambiado fundamentalmente". Apple, Nintendo, Microsoft y Roku también han subido precios recientemente por motivos similares.
El CEO de Hugging Face pide "transparencia radical" tras el ataque a OpenAI
El CEO de Hugging Face, Clément Delangue, ha pedido "transparencia radical" a las empresas de IA tras un incidente de seguridad que afectó a OpenAI y que él mismo describió como "el primer ciberataque de un agente autónomo". Delangue calificó el hecho de "sin precedentes" y dijo que "merece una respuesta sin precedentes". Estas caracterizaciones provienen de su declaración pública, no de un relato oficial de OpenAI sobre el incidente.
Eficiencia de tokens: por qué importa más que la potencia bruta de la IA
Los nuevos modelos de IA compiten cada vez menos por saltos espectaculares de capacidad y más por hacer el mismo trabajo con menos "tokens" y a menor costo. El último modelo insignia de una empresa se ha convertido en un caso de estudio de ese cambio, igualando el rendimiento de sus rivales a un precio menor en lugar de superar todas las pruebas. Este artículo explica qué es la eficiencia de tokens y por qué el sector está poniendo ahí el foco.
Por qué los modelos de IA chinos como Kimi inquietan a Wall Street
El lanzamiento del modelo Kimi de Moonshot AI provocó un episodio de inquietud familiar en Silicon Valley y Wall Street, en línea con anteriores lanzamientos chinos que presionaron los precios estadounidenses. El patrón dice menos sobre un modelo concreto que sobre cuánto dependen todavía las valoraciones de IA de un poder de fijación de precios duradero. Este artículo explica por qué los modelos chinos, más baratos y competitivos, siguen inquietando a los mercados estadounidenses.
La IA AlphaFold ayuda a rediseñar proteínas de edición genética más seguras
Investigadores están usando AlphaFold, el sistema de inteligencia artificial de Google DeepMind que predice la estructura tridimensional de las proteínas, para identificar qué partes de las proteínas de edición genética provocan errores fuera del objetivo. El trabajo busca rediseñar proteínas asociadas a CRISPR para que corten el ADN con mayor precisión, reduciendo errores que podrían afectar genes no deseados. La investigación aún está en fase de ingeniería de proteínas, no es un tratamiento clínico.