Informe de análisis del tamaño, la cuota de mercado y las tendencias del mercado de conjuntos de datos y licencias de IA para la investigación y publicación académica por aplicación (entrenamiento, ajuste fino, generación aumentada por recuperación (RAG), inferencia), por tipo de cliente (creadores de modelos de lenguaje a gran escala (LLM), desarrolladores de aplicaciones, empresas, instituciones de investigación y academia), por tipo de licencia (licencia propietaria, basada en suscripción, acceso abierto y licencia pública, licencia basada en el uso, licencia personalizada/empresarial), por uso final (ciencias de la vida y farmacéutica, ciencias de la salud, ciencia de los alimentos, química, ingeniería, ciencia de los materiales, otros) y por región (América del Norte, Europa, Asia-Pacífico, Oriente Medio y África, Latinoamérica). Previsiones para el período 2025-2033.

Factores de crecimiento del mercado global de conjuntos de datos y licencias de IA para la investigación académica y la publicación

Iniciativas de colaboración entre el mundo académico y la industria

La colaboración entre instituciones académicas y empresas del sector está impulsando el intercambio y la concesión de licencias de conjuntos de datos. Estas alianzas permiten a la comunidad académica acceder a conjuntos de datos propietarios que no están disponibles, mientras que la industria se beneficia de los conocimientos académicos y los resultados de la investigación. Estas colaboraciones facilitan el desarrollo de tecnologías de IA de vanguardia y proporcionan a los investigadores aplicaciones prácticas para validar sus hallazgos.

• Por ejemplo, en 2024, Wiley y Taylor & Francis se asociaron con empresas tecnológicas para brindarles acceso a contenido académico y datos para el entrenamiento de modelos de IA. Esta iniciativa se considera una forma de impulsar la innovación. Empresas tecnológicas como Microsoft pagaron a Informa, la empresa matriz de Taylor & Francis, 10 millones de dólares para mejorar la relevancia y el rendimiento de sus sistemas de IA mediante este contenido.

Novedades normativas e implementación de estándares

El entorno regulatorio en constante evolución en materia de privacidad y uso de datos influye en los conjuntos de datos de IA y en el mercado de licencias. Además, el establecimiento de estándares industriales para la concesión de licencias de conjuntos de datos fomenta la transparencia y la confianza, incentivando a más entidades a participar en el intercambio y la concesión de licencias de datos. La publicación por parte de la DPA de un documento de posición exhaustivo sobre la concesión de licencias de datos de IA en 2024 ejemplifica los esfuerzos por establecer directrices claras en este ámbito.

• Por ejemplo, en julio de 2024, el Copyright Clearance Center (CCC) presentó una solución de licencias colectivas para que las organizaciones garanticen el cumplimiento normativo al utilizar el contenido de los proveedores de datos en sistemas de IA. Esta solución está integrada en las Licencias Anuales de Derechos de Autor del CCC, convirtiéndose así en la primera que ofrece derechos de reutilización de IA para uso interno.

Restricción del mercado

Privacidad de datos y consideraciones éticas

La integración de la IA en la investigación académica requiere acceso a vastos conjuntos de datos, que a menudo contienen información sensible. Garantizar el cumplimiento de las normativas de protección de datos, como el Reglamento General de Protección de Datos (RGPD), plantea desafíos. Los investigadores deben gestionar procesos de consentimiento complejos e implementar técnicas de anonimización sólidas para respetar los estándares éticos.

Además, las consideraciones éticas relativas al uso de datos personales y de propiedad exclusiva han dado lugar a un mayor escrutinio por parte de los organismos reguladores, lo que dificulta a los investigadores el acceso o la distribución de dichos datos.conjuntos de datos de entrenamiento de IALibremente. Las universidades e instituciones académicas también deben garantizar que sus investigaciones en IA se ajusten a las directrices éticas en constante evolución, lo que complica aún más la adquisición y el uso de datos.

• Por ejemplo, en 2025, la autoridad italiana de protección de datos, Garante, ordenó a la startup china de IA DeepSeek que bloqueara su chatbot debido a problemas de privacidad sin resolver. La autoridad cuestionó el manejo de datos personales por parte de DeepSeek, incluyendo los métodos de recopilación, las fuentes, los fines, la base legal y las ubicaciones de almacenamiento. Además, otras empresas de IA se han enfrentado a desafíos similares, lo que ha dado lugar a una mayor supervisión regulatoria a nivel mundial.

Oportunidad de mercado

Expansión de conjuntos de datos multimodales

La creciente complejidad de las aplicaciones de IA requiere conjuntos de datos que abarquen diversos tipos de datos, como texto, imágenes, audio y vídeo. Esta demanda presenta una oportunidad sustancial para desarrollar y licenciar conjuntos de datos multimodales completos adaptados a la investigación académica. Los conjuntos de datos multimodales permiten a los sistemas de IA comprender mejor las interacciones del mundo real y facilitan los avances en el reconocimiento de voz.visión por computadoray el procesamiento del lenguaje natural.

Este crecimiento en conjuntos de datos multimodales impulsa las innovaciones en IA generativa, lo que permite a los investigadores académicos ampliar los límites de las aplicaciones de IA. Además, las instituciones y las empresas de IA se centran en la gestión de conjuntos de datos de alta calidad y obtenidos de forma ética para garantizar el cumplimiento de las normativas y, al mismo tiempo, mantener la diversidad de los datos.

• Por ejemplo, en septiembre de 2024, la Dataset Providers Alliance (DPA), una asociación comercial que representa a las empresas líderes en la industria de licencias de datos de IA, publicó un documento de posición exhaustivo sobre las licencias de datos de IA. Este documento técnico describe la postura de la alianza sobre cuestiones cruciales, como las licencias, el consentimiento explícito, los derechos de imagen, las licencias directas y los datos sintéticos.

Además, instituciones de investigación académica de todo el mundo están estableciendo colaboraciones con empresas de IA para garantizar acuerdos de licencia justos y un mayor acceso a conjuntos de datos de alta calidad.

Análisis de segmentación

Mediante solicitud

El segmento de capacitación domina el mercado debido al uso extensivo de datos visuales en aplicaciones como la visión artificial en las industrias minorista, de seguridad y de entretenimiento. Los conjuntos de datos de alta calidad son esenciales para desarrollar soluciones de IA como análisis predictivo, procesamiento del lenguaje natural yreconocimiento de imágenes, que se utilizan ampliamente en los flujos de trabajo de investigación y publicación. La demanda de conjuntos de datos de entrenamiento es sólida en campos como la genómica, las ciencias sociales y los estudios del lenguaje, donde los datos a gran escala impulsan la innovación.

Por tipo de cliente

Los creadores de modelos de lenguaje a gran escala (LLM, por sus siglas en inglés) dominan el mercado de conjuntos de datos y licencias de IA para la investigación académica y la publicación. Estas entidades, que incluyen empresas tecnológicas e instituciones de investigación, se basan en vastos conjuntos de datos de alta calidad para crear modelos de lenguaje avanzados. Los desarrolladores de LLM utilizan estos conjuntos de datos para entrenar modelos fundamentales que dan soporte a diversas aplicaciones académicas, como la generación automática de resúmenes de contenido, la búsqueda semántica y los sistemas de tutoría inteligente.

Por tipo de licencia

El segmento de licencias propietarias domina el mercado. Las organizaciones prefieren estas licencias porque ofrecen conjuntos de datos exclusivos y de alta calidad, adaptados a necesidades académicas y de investigación específicas. Este enfoque garantiza la privacidad de los datos y el cumplimiento de las normas legales y éticas, lo que lo hace ideal para áreas de investigación críticas como la atención médica, la climatología y la ingeniería.

Por uso final

El sector de las ciencias biológicas y farmacéutico domina el mercado global de conjuntos de datos y licencias de IA para la investigación académica y la publicación. Su fuerte dependencia de los métodos basados ​​en datos impulsa la innovación en el descubrimiento de fármacos, el análisis genómico y la optimización de ensayos clínicos. El uso de conjuntos de datos de IA con licencia garantiza el cumplimiento de estrictas normas regulatorias, al tiempo que mantiene una alta calidad y seguridad de los datos.

Perspectivas regionales

América del Norte: Región dominante con una importante cuota de mercado.

América del Norte es la región líder en el mercado global de conjuntos de datos y licencias de IA para la investigación académica y la publicación. Este liderazgo se debe a la avanzada infraestructura tecnológica de la región, sus prestigiosas instituciones de investigación y el considerable apoyo gubernamental a la innovación en IA. La sólida colaboración entre universidades, empresas privadas y organismos gubernamentales ha sido fundamental para la creación de conjuntos de datos especializados de alta calidad.

• Por ejemplo, en 2024, la Universidad de Harvard, con el apoyo de Microsoft y OpenAI, publicó un extenso conjunto de datos de entrenamiento en IA que comprende casi un millón de libros de dominio público. Esta iniciativa busca democratizar el acceso a materiales de capacitación de alta calidad, que normalmente solo están disponibles para los gigantes tecnológicos.

Asia Pacífico: una región de rápido crecimiento.

Asia-Pacífico es la región de mayor crecimiento en el mercado global de conjuntos de datos y licencias de IA para la investigación académica y la publicación. Gracias a la rápida transformación digital y la importante inversión en tecnologías de IA, Asia-Pacífico lidera el crecimiento en la región. El amplio uso de tecnologías móviles, sumado al considerable auge del sector del comercio electrónico, ofrece grandes oportunidades para la adopción de la IA en marketing personalizado, atención al cliente y generación de contenido.

• Por ejemplo, en 2024, ByteDance lanzó el chatbot de IA Doubao. ByteDance superó a Baidu Inc., que se hizo más popular que el Ernie Bot de Baidu, desafiando al Ernie Bot de Baidu en el mercado.

Información sobre países

• Estados Unidos:Estados Unidos es el país que más invierte en IA, con 328.500 millones de dólares en cinco años, incluyendo 67.900 millones en 2023. La presencia de universidades líderes como el MIT y Stanford ha propiciado el desarrollo de amplios conjuntos de datos para el procesamiento del lenguaje natural y la robótica, gracias a modelos de licencias abiertas como Creative Commons. La Fundación Nacional de Ciencias (NSF) también ha puesto en marcha programas para ampliar la financiación de la investigación en IA, garantizando un mayor acceso académico a conjuntos de datos de alta calidad.
• Porcelana:El gobierno chino ha impulsado iniciativas centradas en la IA, como la creación de centros de supercomputación que proporcionan conjuntos de datos de entrenamiento a gran escala para uso académico. En 2023, 26 empresas emergentes de IA generativa recibieron financiación sustancial. Las universidades chinas están creando conjuntos de datos de modelos de lenguaje localizados con modelos de licencia emergentes que equilibran los intereses de investigación y la seguridad de los datos.
• Reino Unido:El gobierno del Reino Unido también ha introducido marcos regulatorios para la IA con el fin de apoyar el desarrollo ético de conjuntos de datos y garantizar la seguridad de los datos en la investigación académica en IA. La industria británica de la IA generó más de 14 mil millones de libras esterlinas en 2023. Organizaciones como el Instituto Alan Turing facilitan la concesión de licencias de conjuntos de datos para fines de investigación, cumpliendo con el RGPD en materia de privacidad de datos.
• Canadá:El gobierno canadiense invierte en repositorios de IA de acceso abierto, facilitando así el acceso de los investigadores académicos a los conjuntos de datos. En 2024, Canadá lanzó un Fondo de Acceso a la Computación para IA de 300 millones de dólares para apoyar a las pymes y a los investigadores. Instituciones como la Universidad de Toronto son líderes en conjuntos de datos de IA para el sector sanitario, y las colaboraciones público-privadas están acelerando significativamente la investigación.
• Alemania:Alemania también es pionera en la investigación sobre ética de la IA, garantizando que los conjuntos de datos de IA cumplan con la normativa legal y con altos estándares de calidad. Alemania tiene previsto invertir cinco mil millones de euros para 2025, centrándose en conjuntos de datos de IA para la industria. Instituciones como Fraunhofer participan en el desarrollo de conjuntos de datos de calidad adaptados a los sectores de la fabricación, la IA automotriz y la robótica.
• Francia:Francia también ha puesto en marcha iniciativas de IA respaldadas por el gobierno para promover la concesión de licencias éticas de conjuntos de datos y fomentar la investigación académica en aplicaciones basadas en IA. La inversión francesa de 109.000 millones de euros financia avances en IA, y las instituciones colaboran con empresas tecnológicas internacionales para desarrollar conjuntos de datos de procesamiento del lenguaje natural y del sector sanitario.
• Japón:Japón se centra en la automatización impulsada por IA en la fabricación y los proyectos de ciudades inteligentes, lo que requiere conjuntos de datos extensos para refinar los modelos de aprendizaje automático. La inversión de 2.900 millones de dólares en 2024 por parte de Microsoft aumenta laInfraestructura de IAde Japón, que apoya a las universidades en el desarrollo de conjuntos de datos para robótica y sistemas autónomos.
• Corea del Sur:El panorama de la investigación en IA en Corea del Sur se está expandiendo rápidamente, con universidades que colaboran con empresas tecnológicas para garantizar que los conjuntos de datos de IA sean completos y cumplan con los estándares internacionales. El gobierno surcoreano invertirá 1,2 billones de wones en 2025 en la creación de conjuntos de datos para la atención médica y las ciudades inteligentes, donde los principios de acceso abierto guiarán la publicación académica.