Programa de ejemplo
A continuación se presenta un conjunto de módulos de ejemplo para el programa de incubadora New Commons. Estos módulos están diseñados para impartirse a lo largo de seis meses. Cada módulo combinará seminarios impartidos por expertos con sesiones estructuradas de trabajo en equipo, y culminará con la elaboración de una propuesta financiable y una hoja de ruta operativa. El contenido de los módulos se adaptará para reflejar las necesidades y la composición de cada promoción, en coordinación con nuestro comité directivo formado por expertos en lenguas indígenas.
Planteamiento de la oportunidad/el reto
ObjetivoDefinir el caso de uso concreto de la IA, justificar la necesidad de un bienes comunes de datos y basar la iniciativa en la soberanía indígena sobre los datos desde el primer día.
Temas clave- Bienes comunes de datos en la era de la IA: por qué son importantes para las lenguas indígenas con pocos recursos
- Cómo son las aplicaciones de IA para las lenguas indígenas: reconocimiento de voz (ASR), conversión de texto a voz, traducción automática, ajuste de modelos de lenguaje grande (LLM) y búsqueda, y qué requisitos de datos y gobernanza exige cada una de ellas
- Definición del problema y capacidad para formular preguntas: pasar de un reto general a prioridades manejables
- La soberanía de los datos indígenas y los principios CARE (beneficio colectivo, autoridad de control, responsabilidad y ética)
- Entender las necesidades, los valores y la historia de los pueblos indígenas como punto de partida —y no como algo secundario—
Establecimiento del beneficio para la comunidad y la aceptación social
ObjetivoPoner en práctica el principio CARE del «beneficio colectivo» antes de tomar decisiones técnicas o relacionadas con los datos, garantizando que las aplicaciones de IA estén al servicio de las comunidades indígenas y no se aprovechen de ellas.
Temas clave- Cómo las aplicaciones de IA pueden reforzar o socavar los objetivos de las comunidades indígenas: ejemplos concretos y límites que no deben traspasarse
- Mecanismos de participación comunitaria y protocolos de consulta adecuados a los distintos contextos indígenas
- Licencias sociales para la reutilización de datos y el desarrollo de la IA: cómo se traduce en la práctica un consentimiento significativo y continuo
- Autodeterminación, beneficio económico y modelos de propiedad comunitaria para el valor generado por la IA
- Factores contextuales: derechos sobre la tierra, trauma intergeneracional, políticas lingüísticas y confianza en las instituciones
Análisis del panorama de los datos: suministro, riesgo y diligencia debida
ObjetivoIdentificar y evaluar los datos necesarios para respaldar los bienes comunes, prestando especial atención a los riesgos, la exposición jurídica y la diligencia debida requerida antes de que se recopilen o compartan datos.
Temas clave- Lo que realmente requieren las aplicaciones de IA: tipos de datos y de lenguaje (audio, texto, metadatos, anotaciones), volúmenes mínimos, umbrales de calidad y estándares de formato para la IA en lenguas indígenas
- Los principios FAIR-R y la preparación para la IA en el caso de datos lingüísticos con escasos recursos
- Evaluación de riesgos: identificación de los riesgos culturales, jurídicos, de reputación y técnicos asociados a conjuntos de datos específicos, socios y casos de uso de la IA
- Diligencia debida en las colaboraciones en materia de datos: evaluación de los posibles titulares de datos en cuanto a procedencia, historial de consentimientos, autorización de la comunidad y conformidad con los principios del IDS
- Barreras jurídicas y de gobernanza: derechos de autor, propiedad intelectual comunitaria, control institucional y consideraciones sobre los datos transfronterizos
- Enfoques basados en datos mínimos viables: cómo crear herramientas de IA útiles sin esperar a disponer de conjuntos de datos perfectos
Diseño de la gobernanza y la rendición de cuentas
ObjetivoDiseñar modelos de gobernanza que incorporen la soberanía de los datos indígenas, definan quién controla qué tipos de IA se desarrollan y garanticen una colaboración fiable y a largo plazo.
Temas clave- La gobernanza de la IA como gobernanza indígena: ¿quién decide qué modelos se entrenan, con qué datos y con qué fines? ¿Y quién puede revocar el acceso?
- Modelos de gobernanza colectiva para bienes comunes de datos: estructuras, derechos de decisión y mecanismos de rendición de cuentas
- Funciones y responsabilidades en materia de gestión de datos a lo largo de todo el ciclo de vida de los datos
- Autoridad, legitimidad y control: modelos de acceso por niveles, derechos de veto de la comunidad y cláusulas de caducidad
- Integrar la gestión de riesgos en la gobernanza: traducir el registro de riesgos en políticas exigibles, derechos de auditoría y procesos de corrección
Arquitectura técnica y diseño de aplicaciones de inteligencia artificial
ObjetivoDiseñar la infraestructura técnica necesaria para crear, gestionar y poner en marcha los bienes comunes, así como para impulsar aplicaciones de inteligencia artificial de forma que las comunidades puedan controlarlas y mantenerlas.
Temas clave- Tipos de aplicaciones de IA para lenguas indígenas: reconocimiento de voz (ASR), síntesis de voz (TTS), traducción automática, ajuste de modelos de lenguaje grande (LLM) y generación aumentada por recuperación (RAG): requisitos técnicos e implicaciones para la comunidad en cada caso
- Opciones de arquitectura técnica: modelos centralizados, federados y locales, en consonancia con los principios de soberanía
- Controles de acceso a los datos que plasman las decisiones de gobernanza: licencias controladas por la comunidad, API de acceso por niveles y registros de auditoría
- Normas de interoperabilidad, esquemas y vocabularios compartidos para datos en lenguas indígenas
- Herramientas y marcos de trabajo de código abierto: qué hay disponible, qué carencias persisten y cómo desarrollar capacidades a nivel local
Sostenibilidad, financiación y puesta en marcha
ObjetivoCrear una vía viable y financiable para el funcionamiento a largo plazo, basada en la realidad institucional y no en una lógica de proyectos piloto a corto plazo.
Temas clave- Convertir la incubadora en una propuesta: lo que los financiadores necesitan ver (claridad del problema, legitimidad en la comunidad, viabilidad técnica, rigor en la gobernanza y sostenibilidad)
- Panorama de la financiación: modelos filantrópicos, del sector público, multilaterales (UNESCO, ONU) y de generación de ingresos para las lenguas y culturas indígenas bienes comunes de datos
- Modelos de sostenibilidad: acogida institucional, propiedad comunitaria e ingresos generados por aplicaciones de IA
- Incentivos y obstáculos institucionales: qué motiva a las universidades, los gobiernos y las organizaciones tecnológicas a participar, y qué les frena
- Ampliación y replicación: diseñar desde el principio para lograr una mayor aceptación en todas las comunidades lingüísticas
Crea tu propuesta subvencionable.
Este proceso de seis meses abarca desde la definición de la oportunidad hasta la elaboración de una propuesta financiable y una hoja de ruta operativa. Presenta tu solicitud para que tu idea bienes comunes de datos forme parte de la promoción.