01 Expansión de los conjuntos de datos de entrenamiento de IA de dominio público Se observa un aumento significativo en la publicación de conjuntos de datos de dominio público con el objetivo de democratizar la investigación en IA. La Universidad de Harvard, con financiación de Microsoft y OpenAI, presentó un conjunto de datos exhaustivo que comprende casi un millón de libros de dominio público del proyecto Google Books. Esta iniciativa brinda a los investigadores acceso a numerosos textos, incluyendo obras de Shakespeare y Dickens, y materiales diversos como libros de texto de matemáticas checos y diccionarios galeses. Por ejemplo, en 2024, el Laboratorio de Innovación Bibliotecaria de Harvard lanzó la Iniciativa de Datos Institucionales, que proporcionará materiales de dominio público de la Biblioteca de la Facultad de Derecho de Harvard y otras instituciones. El objetivo es poner estos recursos a disposición para el entrenamiento de la IA y el avance de las capacidades de investigación.
02 Análisis ético y legal del uso de datos en inteligencia artificial El uso ético de datos en el entrenamiento de IA está siendo objeto de un escrutinio cada vez mayor. En particular, el fotógrafo de naturaleza Tim Flach descubrió que sus imágenes se incluyeron en conjuntos de datos utilizados por investigadores de IA sin su consentimiento, lo que permitió a empresas comerciales de IA replicar su trabajo sin pagar derechos de autor. Esta situación ha generado preocupación sobre el uso no autorizado de contenido protegido por derechos de autor en el entrenamiento de IA. Por ejemplo, en 2024, el gobierno del Reino Unido anunció una consulta para la creación de un marco regulatorio sobre derechos de autor e inteligencia artificial que fomente la creatividad y la innovación humanas. Esta iniciativa busca brindar seguridad jurídica y propiciar un crecimiento sostenido tanto en el sector creativo como en el de la inteligencia artificial.
Marzo de 2026 –La Asociación de Editores destaca la expansión del mercado de licencias de contenido de IA para la publicación académica.La Asociación de Editores publicó un informe que destaca la creciente adopción de acuerdos de licencia de IA por parte de las editoriales académicas y científicas. El informe señala una demanda cada vez mayor de contenido académico con licencia para respaldar el entrenamiento de modelos de IA, la minería de texto y datos (TDM) y las aplicaciones de generación aumentada de recuperación (RAG). Las principales editoriales están desarrollando cada vez más marcos de licencia estructurados para permitir un uso responsable de la IA, protegiendo al mismo tiempo los derechos de propiedad intelectual.
Marzo de 2026 –Research and Markets identifica los datos sintéticos como un factor clave para la adopción de conjuntos de datos de IA.Un análisis de mercado publicado en marzo de 2026 puso de relieve el creciente papel de los conjuntos de datos sintéticos en los flujos de trabajo de investigación en IA. El informe identificó una demanda cada vez mayor de conjuntos de datos especializados, prácticas éticas de desarrollo de IA y fuentes de datos con licencia, a medida que investigadores y organizaciones buscan materiales de capacitación de alta calidad para sistemas de IA generativa.
Febrero de 2026 –Las editoriales académicas amplían sus acuerdos de licencia de IA para contenido de investigación.Las principales editoriales académicas continuaron ampliando sus modelos de licenciamiento, permitiendo a los desarrolladores de IA y a las organizaciones de investigación acceder a artículos académicos, revistas, archivos y conjuntos de datos científicos mediante acuerdos controlados. Estas iniciativas buscan respaldar las herramientas de investigación basadas en IA, manteniendo al mismo tiempo el cumplimiento de los derechos de autor y los estándares de atribución.
Enero de 2026 –La procedencia de los datos de IA y la gobernanza de los conjuntos de datos cobran mayor importancia en las aplicaciones de investigación.Los desarrolladores de IA y las instituciones de investigación han intensificado su atención en la procedencia de los conjuntos de datos, la transparencia en las licencias y el uso responsable de los datos, ante el escrutinio regulatorio en torno a los datos de entrenamiento de IA. Las organizaciones están adoptando marcos de documentación más claros para verificar la propiedad de los conjuntos de datos, su uso permitido y los requisitos de cumplimiento para las aplicaciones académicas de IA.