De los principios FAIR a FAIR-R
Desde 2016, los principios FAIR (Findability: Facilidad para encontrar los datos, Accessibility: Accesibilidad, Interoperability: Interoperabilidad y Reusability: Reutilización) han guiado la publicación de datos para que sean fáciles de encontrar, accesibles, interoperables y reutilizables. FAIR-R no los sustituye, sino que los complementa, con criterios que aseguran que los datos puedan alimentar modelos de IA de manera efectiva y segura.
Entre los nuevos requisitos destacan el etiquetado exhaustivo, la documentación completa del origen de los datos, la homogeneidad de estándares y metadatos, una cobertura suficiente que evite sesgos, y licencias que regulen claramente su uso en IA. Todo ello con un objetivo: evitar que los sistemas de IA se construyan sobre datos incompletos, sesgados o sin control ético.
Un marco para la cuarta ola del open data
El marco FAIR-R forma parte de un contexto más amplio propuesto por Stefaan G. Verhulst, cofundador de The GovLab y referente internacional en políticas de datos. En su informe ‘¿Una cuarta ola de datos abiertos? Combinando datos abiertos e inteligencia artificial de forma creativa para generar impacto social’, presentado en marzo de 2025 durante los EU Open Data Days, Verhulst examina la evolución histórica del open data y plantea una nueva etapa marcada por la convergencia con la inteligencia artificial. En esta “cuarta ola”, el reto ya no es solo publicar datos, sino hacerlo con el propósito de facilitar su uso en IA para generar impacto social.
Este nuevo enfoque se diferencia de las olas anteriores, que priorizaban el derecho a saber (primera ola), la apertura por defecto (segunda ola) o la publicación con un propósito concreto (tercera ola). Ahora, los datos se conciben como materia prima esencial para entrenar, validar y auditar sistemas de IA. Pero para ello deben cumplir criterios mucho más estrictos de calidad y gobernanza.
Aplicaciones sociales y ventajas del FAIR-R
Adoptar FAIR-R implica beneficios concretos:
- Mayor rendimiento de los modelos de IA, gracias a datos de mejor calidad.
- Aplicaciones más representativas y éticas, que reducen sesgos y exclusiones.
- Mayor transparencia y confianza ciudadana, al facilitar auditorías independientes.
- Nuevos descubrimientos científicos, al acelerar la investigación en salud, cambio climático o emergencias.
- Reducción de la brecha de acceso a datos, con data commons que permiten compartirlos equitativamente.
El principio clave es que los datos son tan importantes como los algoritmos. De hecho, según Gartner, más del 40% de los proyectos de IA fallan por problemas con los datos, no con el software.
Riesgos y desafíos en su implementación
Pese a su potencial, FAIR-R también enfrenta obstáculos. Entre ellos, la falta de estándares para medir si un dataset es realmente AI-ready, la dificultad de integrar metadatos y ontologías de distintos sectores, o los retos legales como la anonimización y las licencias.
Uno de los riesgos señalados por Verhulst es la llegada de un “invierno de los datos”: un periodo en el que la falta de datos públicos preparados limite el avance de la IA, mientras las grandes tecnológicas siguen entrenando modelos con datasets privados. Este escenario aumentaría la desigualdad en el acceso a los beneficios de la IA.
Una oportunidad estratégica para Europa
FAIR-R representa también una oportunidad geopolítica. Frente al dominio de plataformas privadas y la opacidad de algunos modelos de IA, Europa puede liderar un enfoque más democrático y abierto. Crear datasets públicos bien documentados y auditables permitiría desarrollar modelos de IA más justos, replicables y adaptados al interés público.
Para ello, será clave la colaboración entre gobiernos, universidades y organizaciones sociales. También se necesitan políticas de gobernanza adecuadas, mecanismos de financiación y marcos legales actualizados.
Conclusión: preparar los datos para una IA más humana
FAIR-R no es solo una mejora técnica, sino una propuesta política y ética. En lugar de aceptar que la inteligencia artificial se alimente de cualquier dato disponible, plantea que los datos deben estar cuidadosamente preparados para garantizar sistemas más inclusivos, responsables y útiles para la sociedad.
En la era de la cuarta ola del open data, adoptar el marco FAIR-R puede marcar la diferencia entre una IA centrada en el beneficio privado o una tecnología al servicio de todos.
La fotografía de representación de esta noticia pertenece a Tobias Fischer y ha sido publicada en Unsplash
