Google puja por décadas de correos, conversaciones y procesos internos de una aerolínea quebrada mientras OpenAI, Anthropic y otros laboratorios buscan datos profesionales cada vez más especializados. La próxima frontera de la inteligencia artificial está saliendo de Internet para entrar en las empresas.
La carrera por mejorar la inteligencia artificial ha encontrado en 2026 un nuevo territorio: los datos que las empresas generan mientras trabajan. Google ha ofrecido 10 millones de dólares por décadas de información interna de la quebrada Spirit Airlines para mejorar sus productos y modelos de IA; OpenAI, Anthropic y otros grandes laboratorios están explorando acuerdos para acceder a conjuntos de datos especializados de empresas de sectores como biotecnología, software, finanzas o contabilidad. El objetivo es enseñar a los modelos algo que Internet difícilmente puede mostrarles: cómo se resuelve un problema real dentro de una organización, qué decisiones se toman y cuál es su resultado. “Estamos pasando de enseñar a la IA conocimiento a enseñarle experiencia”, resume Omar Martínez, jefe de Tecnología de SDi.
El caso de Spirit Airlines explica especialmente bien el cambio. Tras el cierre de la compañía aérea, su archivo digital se ha convertido en un activo por el que varias empresas tecnológicas están dispuestas a pagar millones. La operación incluye correos electrónicos de empleados, conversaciones de Microsoft Teams, hojas de cálculo, calendarios y datos relacionados con operaciones, productividad y marketing. Algunas informaciones sobre la subasta cifran el archivo en unos 100 millones de correos y 500 millones de mensajes de Teams.
Google ganó inicialmente la puja con una oferta de 10 millones de dólares frente a los 7,5 millones de Mercor. Después, la compañía especializada en datos de entrenamiento Micro1 presentó una oferta tardía de 12,5 millones. La venta todavía no es definitiva: un tribunal estadounidense ha aplazado hasta el 9 de septiembre de 2026 la audiencia para aprobarla después de que el sindicato de tripulantes de cabina de Spirit reclamara mayores garantías para proteger la información de los antiguos empleados.
De saber cosas a saber hacer cosas
Los grandes modelos de lenguaje han construido buena parte de sus capacidades procesando cantidades gigantescas de textos, código, imágenes y otros contenidos. OpenAI reconoce que sus sistemas se desarrollan a partir de una combinación de información pública, acuerdos con terceros, información aportada por usuarios y entrenadores y datos sintéticos. Sus conjuntos de entrenamiento alcanzan ya billones de tokens de contenido textual, visual, sonoro y audiovisual.
Esa escala permitió crear modelos capaces de explicar física, programar, traducir, resumir documentos o responder sobre prácticamente cualquier disciplina. El reto que aparece ahora es diferente. “Un modelo puede haber leído miles de documentos sobre atención al cliente y seguir sin saber resolver una incidencia como lo haría una persona que lleva diez años trabajando en soporte”, explica Omar Martínez. “El manual te explica cómo debería hacerse una tarea. La experiencia te enseña qué ocurre cuando aparecen excepciones, qué información necesitas pedir, qué alternativas descartas y qué decisión termina funcionando”.
Esa diferencia resulta especialmente importante en el momento en el que la industria quiere convertir los actuales asistentes de IA en agentes capaces de ejecutar trabajo. “Cada vez es más interesante disponer de la secuencia completa: aparece este problema, existía esta información, se tomaron estas decisiones, se utilizaron estas herramientas y finalmente ocurrió esto”, señala el CTO de SDi. “Cuando además sabemos si el resultado fue bueno o malo, tenemos una señal de aprendizaje extraordinariamente valiosa”.
El nuevo petróleo de la IA puede estar en Slack, Teams y el ERP
La idea ya está generando un mercado. Micro1 ofrece actualmente entre 100.000 y más de dos millones de dólares a empresas dispuestas a proporcionar paquetes de datos operativos adecuados para entrenar y evaluar sistemas de IA. Entre la información que busca aparecen procedimientos internos, bases de conocimiento, información de CRM, históricos de proyectos, procesos de control de calidad, comunicaciones internas y registros sobre cómo se ejecutan las tareas. El precio depende, entre otras variables, del volumen, la calidad, la singularidad de la información y la complejidad de los procesos que refleja.
OpenAI lleva tiempo moviéndose también en esta dirección. En 2023 lanzó su programa de Data Partnerships para trabajar con organizaciones en la creación de conjuntos de datos públicos y privados que permitieran a sus modelos comprender mejor diferentes sectores, idiomas y culturas. Más recientemente, la compañía ha mantenido conversaciones con empresas de ámbitos como ciencias de la vida, software, servicios financieros y salud para estudiar posibles licencias o colaboraciones sobre datos especializados. Anthropic y Google están explorando acuerdos similares.
Observar a las personas mientras trabajan
Algunas tecnológicas han llegado incluso a intentar generar esos datos dentro de sus propias organizaciones. Meta anunció en abril un sistema para registrar movimientos de ratón, clics y pulsaciones de teclado de determinados empleados en Estados Unidos. Su explicación era directa: si quiere construir agentes capaces de realizar tareas utilizando ordenadores, necesita ejemplos reales de cómo las personas utilizan esos ordenadores. La iniciativa provocó un fuerte rechazo interno y posteriormente fue recortada y finalmente pausada.
“Es parecido a la diferencia entre estudiar un libro de conducir y conducir”, plantea Martínez. “Puedes aprender todas las normas leyendo, pero cuando empiezas a ejecutar una tarea aparecen situaciones que difícilmente pueden describirse todas por adelantado”. La web continuará siendo una fuente fundamental para entrenar sistemas generales. El cambio está en que aumentar indefinidamente el volumen de información parecida produce cada vez menos ventajas cuando se buscan capacidades muy concretas.
La procedencia de la información, su calidad y la posibilidad de comprobarla adquieren cada vez más importancia. “Durante mucho tiempo el foco estuvo en cuánto dato podíamos conseguir. Ahora la pregunta interesante es qué puede aprender realmente el modelo de ese dato”, explica Martínez. La propia industria de datos para IA está evolucionando en esa dirección. Compañías como Micro1, Mercor y otras firmas especializadas recurren a médicos, abogados, científicos, programadores y otros profesionales para generar o evaluar problemas suficientemente complejos como para mejorar modelos que ya dominan una enorme cantidad de conocimiento general. La demanda de este tipo de información especializada está alimentando un negocio multimillonario.
La experiencia de las empresas adquiere un nuevo valor
Para convertir la información de una empresa en conocimiento útil para una IA no basta con acumular documentos. “Las empresas que tengan su información organizada, conectada, contextualizada y con una buena trazabilidad parten con ventaja”, apunta el CTO de SDi. “Porque podrán utilizarla para que la IA comprenda mucho mejor cómo trabajan y, sobre todo, para construir sistemas especializados en sus propios procesos”.
Eso tampoco significa que una empresa tenga que entrenar su propio ChatGPT desde cero. En la mayoría de las organizaciones, la aplicación práctica pasará por combinar modelos generales cada vez más avanzados con documentación privada, bases de datos, herramientas corporativas, reglas, ejemplos y sistemas de evaluación propios. La especialización puede producirse sobre una inteligencia general.
Una mina de datos que abre un problema de privacidad
El valor creciente de estos archivos introduce, al mismo tiempo, una cuestión incómoda: ¿de quién es realmente la experiencia registrada en los sistemas de una empresa? El caso Spirit ya ha provocado esa discusión. La compañía sostiene que los datos que eventualmente sean transferidos serán desidentificados y que no se incluirá información de clientes ni datos personalmente identificables. El sindicato de tripulantes, sin embargo, teme que determinados registros laborales puedan permitir reconstruir información relativa a trabajadores concretos y ha pedido al tribunal nuevas salvaguardas.
La polémica probablemente se repetirá. El experto lo deja claro: “Correos, chats internos o historiales de actividad pueden contener propiedad intelectual, información comercial, datos personales, conflictos laborales, información médica o decisiones confidenciales”. El mismo nivel de detalle que hace que un conjunto de datos resulte extraordinariamente útil para entrenar una IA también puede convertirlo en extraordinariamente sensible.
