Meses de búsqueda de datos pueden convertirse en segundos – ONU y Google abren conjuntamente un depósito de estadísticas para todos

Meses de trabajo manual — ahora resuelto en segundos

Hay una imagen que todo analista de datos reconoce: una docena de pestañas del navegador abiertas, hojas de cálculo en formatos contradictorios, encabezados de columnas que no coinciden y horas dedicadas a limpiar datos en lugar de analizarlos realmente. Para quienes trabajan con cuestiones de desarrollo global, esa imagen a menudo se ha extendido durante meses.

Ese es precisamente el problema que UN System Data Commons apunta a resolver.

Según el Google AI Blog, la plataforma se lanza en colaboración entre el sistema de la ONU y Google, con apoyo financiero de Google.org a la fundación de la ONU. La base es la tecnología Data Commons existente de Google —una red de conocimiento donde datos estadísticos de diferentes fuentes se normalizan, vinculan y hacen consultables automáticamente. Ahora esa misma infraestructura se expande para albergar toda la producción estadística del sistema de la ONU: desde la mortalidad infantil y la pobreza hasta el acceso al agua potable y el porcentaje de energía renovable en las redes eléctricas.

¿Qué es una red de conocimiento, en realidad?

Para el técnicamente curioso, vale la pena detenerse en el concepto. Una red de conocimiento —en inglés knowledge graph— es una estructura de datos donde entidades (países, indicadores, períodos de tiempo, límites geográficos) se representan como nodos y sus relaciones mutuas como vínculos. Esto significa que la plataforma no solo almacena números, sino que entiende qué significan esos números y cómo se relacionan entre sí.

Cuando se carga un conjunto de datos de series temporales de la Organización Mundial de la Salud y otro de UNICEF, nadie necesita hacer coincidir manualmente los nombres de países, ajustar formatos de años o manejar que "Macedonia del Norte" se deletree de manera diferente en diferentes fuentes de datos. El sistema lo hace automáticamente.

El resultado es que el analista —o el periodista, o el funcionario de cooperación— puede comenzar directamente donde está el trabajo real.

Lenguaje natural como entrada

Uno de los aspectos más democratizadores de la plataforma es la capacidad de búsqueda mediante lenguaje natural. No es necesario saber escribir consultas de bases de datos ni conocer nombres de variables exactos. Un funcionario de cooperación puede formular la pregunta de la misma manera que la formularía a un colega —y obtener una respuesta relevante con datos subyacentes disponibles para análisis posterior.

Este no es un detalle trivial. Históricamente, el periodismo basado en datos y la toma de decisiones basada en evidencia han requerido o bien especialización técnica o recursos para contratar a alguien con esa especialización. Esa barrera ahora desciende significativamente.

Infraestructura abierta para desafíos globales

Vale la pena situar esto en un contexto más amplio. En los últimos años, hemos visto un movimiento hacia una infraestructura de IA más abierta —modelos base abiertos, marcos de entrenamiento abiertos, conjuntos de datos abiertos. UN System Data Commons es una expresión de la misma lógica, pero a nivel de infraestructura estadística.

No se trata de que una organización individual sea propietaria y controle el acceso a datos mundiales. Se trata de construir una base común sobre la que todos —la comunidad investigadora, la sociedad civil, las oficinas nacionales de estadística, periodistas locales en países con recursos de análisis limitados— puedan construir.

Para un desarrollador de sistemas como yo, esto es genuinamente interesante desde una perspectiva arquitectónica. Resolver el problema de fuentes de datos heterogéneas a gran escala es difícil. Hacerlo de una manera que sea abierta, escalable e integrada para IA requiere decisiones de diseño bien consideradas. La tecnología Data Commons de Google ha existido durante varios años y se ha probado en otros contextos —eso da credibilidad a que la base técnica realmente funciona.

Lo que significa en la práctica

Piensa en una periodista en un país de bajos ingresos que quiere investigar cómo está evolucionando la pobreza en su región en relación con los objetivos globales. Antes: semanas de trabajo, dependencia de ONG bien financiadas con capacidad de análisis. Ahora: una consulta de búsqueda en lenguaje natural y una red de conocimiento que entrega series temporales comparables directamente.

O un responsable de la toma de decisiones en el ministerio de salud de una nación pequeña que necesita datos para una nueva política. El acceso a datos internacionales comparables ha sido históricamente desigual —quienes tienen recursos los han tenido, quienes no han improvisado. Esa desigualdad disminuye.

Esto no es una solución a los problemas del mundo. Pero es una mejora de la infraestructura que hace posible comprenderlos.