Por Canuto  

La ONU trabaja con Google para integrar sus estadísticas globales en una plataforma consultable mediante lenguaje natural y compatible con agentes de IA. El proyecto busca corregir la baja precisión de los modelos al responder preguntas sobre desarrollo, aunque sus responsables advierten que las conclusiones generadas todavía requieren revisión humana.
***

  • La plataforma busca reunir estadísticas de distintas agencias de la ONU y facilitar su consulta mediante lenguaje natural.
  • Un benchmark de UNICEF encontró una precisión promedio de apenas 21,2% en seis modelos de lenguaje.
  • La ONU pretende incorporar 80% de sus conjuntos de datos estadísticos a la plataforma para 2027.

 

Las Naciones Unidas (ONU) anunciaron una alianza con Google para facilitar que las herramientas de inteligencia artificial accedan, interpreten y utilicen su extensa colección de estadísticas globales. El proyecto se denomina UN System Data Commons y se construye sobre la plataforma de código abierto Data Commons, con una interfaz que permite formular consultas en lenguaje natural en lugar de navegar por una base de datos tradicional. La iniciativa busca responder a una dificultad creciente: los usuarios consultan cada vez más a los asistentes de IA, pero esos sistemas todavía presentan problemas para entregar cifras confiables y consistentes.

La nueva infraestructura busca modernizar el acceso al portal UNData, donde las personas debían localizar información mediante menús y búsquedas más convencionales. Además de simplificar la consulta para el público, el sistema incorpora el Model Context Protocol, conocido como MCP, un estándar que permite a los agentes de IA conectarse directamente con fuentes de datos externas. La combinación de lenguaje natural, acceso automatizado y referencias de origen pretende reducir la distancia entre las estadísticas oficiales y las respuestas que reciben los usuarios en sus aplicaciones digitales, detalla TechCrunch.

Una respuesta a la baja precisión de los modelos

La urgencia del proyecto quedó expuesta por un benchmark de UNICEF que evaluó seis grandes modelos de lenguaje con más de 133.000 respuestas a preguntas sobre indicadores de desarrollo global. João Pedro Azevedo, estadístico jefe de UNICEF, dijo a periodistas durante una sesión informativa virtual que la precisión promedio alcanzó apenas 21,2%. La evaluación incluyó GPT-4o y GPT-4o-mini de OpenAI, Claude Sonnet 4.5 y Haiku 4.5 de Anthropic, además de Gemini 2.5 Flash y Gemini 2.0 Flash de Google.

El estudio encontró que aproximadamente tres de cada cinco respuestas no proporcionaron un número utilizable, en muchos casos porque los modelos optaron por respuestas evasivas. La dificultad no se limitó a encontrar una cifra, ya que también apareció un problema de consistencia entre consultas idénticas. Cuando las mismas preguntas se repitieron en las mismas versiones de los modelos unos dos días después, aquellos que entregaron un número en ambas ocasiones coincidieron consigo mismos solo cerca de la mitad del tiempo.

UNICEF aclaró que el trabajo todavía se encuentra en preparación para ser enviado a una revista académica y que aún no ha pasado por revisión de pares. La organización planea publicar la metodología, el código y los datos que sustentan la evaluación junto con el artículo, lo que permitiría a otros investigadores examinar los resultados y reproducir el análisis. Ese proceso será relevante para determinar cómo influyen la formulación de las preguntas, las versiones de los modelos y la disponibilidad de las fuentes en el desempeño observado.

El flujo de usuarios hacia los datos de UNICEF también muestra que la relación entre asistentes de IA y estadísticas oficiales ya está creciendo. El sitio recibe más de 6 millones de visitas mensuales, mientras que las visitas procedentes de enlaces de ChatGPT aumentaron 67% interanual entre el 1 de enero y el 14 de septiembre, según Azevedo. Esas referencias representaron 6,4% de todas las sesiones durante el año, y UNICEF estima que los asistentes de IA, considerados en conjunto, ya generan aproximadamente una de cada 10 visitas.

Un sistema con trazabilidad y acceso para agentes

La ONU informó que 25 de sus entidades se comprometieron con Data Commons y que los datos de casi 20 estaban disponibles en el lanzamiento. El objetivo anunciado consiste en trasladar a la plataforma 80% de los conjuntos de datos estadísticos de todo el sistema de Naciones Unidas para 2027. La escala prevista busca conectar información producida por distintas agencias bajo una estructura común, sin eliminar la posibilidad de rastrear cada indicador hasta su fuente institucional original.

Shantanu Mukherjee, director interino de la División de Estadísticas de la ONU, afirmó que la iniciativa representa un avance significativo en escala, alcance y flexibilidad porque conecta por primera vez a tantas agencias del sistema. También señaló que el proyecto aprovecha el momento actual para hacer que los datos de la organización estén preparados para la inteligencia artificial. La formulación refleja una prioridad tecnológica, pero también una preocupación institucional: las estadísticas oficiales deben conservar contexto y procedencia cuando una máquina las reutiliza.

Google.org aportó USD $2 millones para el desarrollo de capacidades y el respaldo técnico necesarios para establecer la infraestructura central. Prem Ramaswami, quien dirige el equipo de Data Commons de Google, explicó que el sistema opera en una instancia gobernada por la ONU y que la intención es que la organización pueda mantenerlo, administrarlo y ampliarlo de forma independiente con el tiempo. Según Ramaswami, el despliegue siguió un enfoque de capacitación de capacitadores, y el equipo del sistema de Naciones Unidas avanzó rápidamente en el aprendizaje de la plataforma.

Google lanzó Data Commons en 2018 como un esfuerzo para organizar conjuntos de datos públicos provenientes de diferentes fuentes dentro de un marco común. La plataforma añadió soporte para MCP, con lo que los agentes de IA pueden consultar estadísticas y sus referencias directamente. En el caso de la ONU, cada registro también conserva información sobre su procedencia, una característica que permite a los usuarios revisar la fuente original cuando un sistema automatizado recupera una cifra o la incorpora en un análisis.

Más automatización, pero sin retirar al humano

La utilidad del sistema no se limitaría a responder preguntas individuales sobre un indicador. Durante una demostración, Google mostró cómo un agente conectado a los datos de la ONU mediante MCP podía combinar varias métricas para crear paneles, gráficos e informes escritos, sin que el usuario tuviera que localizar y unir manualmente los conjuntos de datos. Esa capacidad puede ahorrar tiempo a investigadores, periodistas y responsables de políticas, aunque también aumenta la importancia de verificar si el modelo seleccionó indicadores comparables y entendió correctamente sus definiciones.

En otro ejemplo, Google pidió a un sistema de IA que identificara el impacto del Plan de Emergencia del Presidente de Estados Unidos para el Alivio del SIDA en África. El sistema encontró estadísticas relevantes de la ONU relacionadas con infecciones por VIH, mortalidad asociada al sida y esperanza de vida, y luego utilizó esos datos para producir una infografía. La demostración ilustró cómo un agente puede convertir consultas amplias en productos visuales, pero no estableció por sí misma que las conclusiones generadas fueran correctas o que todos los factores causales hubieran sido considerados.

Ramaswami advirtió que proporcionar a un modelo datos procedentes de fuentes confiables no garantiza que sus conclusiones también sean confiables. Explicó que los modelos pueden interpretar mal los matices y sostuvo que una persona debe revisar siempre los resultados antes de citarlos o publicarlos. La advertencia es especialmente importante en estadísticas de desarrollo, donde cambios en definiciones, periodos, poblaciones y métodos de medición pueden alterar el significado de una cifra aparentemente sencilla.

Para lectores acostumbrados a consultar mercados, cadenas de bloques o indicadores económicos mediante asistentes digitales, el proyecto ofrece una lección aplicable más allá de Naciones Unidas. Un agente puede tener acceso directo a una fuente institucional y aun así seleccionar mal un dato, combinar series incompatibles o presentar una relación causal que la estadística no demuestra. Por eso, la trazabilidad del UN System Data Commons puede mejorar la rendición de cuentas, pero no sustituye el criterio editorial, la revisión metodológica ni la comprobación humana antes de difundir una respuesta.

El desafío de convertir datos oficiales en infraestructura de IA

La apuesta de la ONU ocurre mientras las interfaces conversacionales se convierten en una puerta de entrada para buscar información pública. En ese entorno, la disponibilidad de una base de datos no basta: los sistemas deben poder identificar el indicador correcto, recuperar su contexto y mostrar de dónde proviene. El uso de MCP intenta resolver parte de ese recorrido al ofrecer un mecanismo estandarizado para que los agentes consulten servicios externos, en lugar de depender únicamente de la información incorporada durante su entrenamiento.

La evolución desde UNData hacia una plataforma más flexible también cambia la forma en que los usuarios interactúan con la estadística internacional. Una pregunta formulada en lenguaje natural puede ser más accesible que una interfaz diseñada para especialistas, pero su conveniencia puede ocultar decisiones importantes sobre unidades, periodos y comparaciones. La plataforma deberá hacer visibles esas decisiones para que una respuesta rápida no termine presentando como equivalente información que fue producida con criterios distintos.

La participación de varias agencias plantea además un desafío de coordinación institucional. Cada entidad puede manejar catálogos, calendarios de actualización y metodologías propias, de modo que reunir sus datos en un marco común exige conservar diferencias relevantes mientras se facilita la consulta conjunta. El compromiso de 25 entidades y la disponibilidad inicial de casi 20 muestran el alcance del proyecto, aunque la meta de 80% para 2027 dependerá de la integración progresiva de los conjuntos restantes.

La ONU y Google presentan la iniciativa como una manera de hacer que las estadísticas oficiales sean más útiles en la era de los agentes de IA, pero el resultado se medirá por la calidad de las respuestas y no solo por la cantidad de datos conectados. El benchmark de UNICEF evidencia que incluso modelos avanzados pueden fallar repetidamente ante preguntas concretas sobre desarrollo global. Mientras la infraestructura crece, la revisión humana seguirá siendo el filtro decisivo entre una cifra disponible, una interpretación razonable y una conclusión que pueda publicarse con confianza.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados