La Autoridad Saudita de Datos e Inteligencia Artificial (SDAIA) ha establecido un marco de investigación integral para la gobernanza de los datos sintéticos, advirtiendo contra la presunción de que estos están automáticamente libres de riesgos de reidentificación o sesgo estadístico en aplicaciones sensibles.
Publicación del estudio de la SDAIA y clasificación de las categorías de datos sintéticos
Aplicaciones sanitarias y financieras y los riesgos de reidentificación y sesgo
Naturaleza orientativa de las recomendaciones y su importancia para el ecosistema nacional del Reino
Preguntas frecuentes
Publicación del estudio de la SDAIA y clasificación de las categorías de datos sintéticos
La Autoridad Saudita de Datos e Inteligencia Artificial («SDAIA») publicó un estudio de investigación especializado titulado «Datos sintéticos: oportunidades, desafíos y mecanismos de gobernanza». La Agencia de Noticias Saudita («SPA»), plataformas de noticias sauditas —incluido el periódico «Al Madina» a las 17:23 hora de Arabia Saudita, correspondiente a las 18:23 hora estándar del Golfo— y el sitio web «Akhbar 24» a las 15:07 hora de Arabia Saudita del 31 de octubre de 2026, detallaron el estudio y revisaron sus recomendaciones relativas al uso responsable de conjuntos de datos generados sintéticamente en el desarrollo y evaluación de sistemas de inteligencia artificial.
Los datos sintéticos se definen como información generada por computadora con el fin de simular y reproducir patrones útiles o propiedades estadísticas de observaciones y datos reales. Este tipo de datos puede reducir en ocasiones la dependencia de la recopilación de registros reales costosos o sensibles; sin embargo, su precisión y viabilidad científica dependen directamente de cómo se generen y validen. Por ejemplo, un registro médico sintético no debe tratarse automáticamente como evidencia adecuada para extraer un resultado clínico o terapéutico.
El estudio científico emitido por la «SDAIA» distingue entre tres categorías principales: conjuntos de datos totalmente sintéticos, datos parcialmente sintéticos y datos híbridos. Estas categorías reflejan el grado en que el material generado depende de los datos reales; en la práctica, un conjunto de datos puede conservar algunas características estadísticas generales mientras altera o genera registros individuales, y su utilidad sigue ligada a la naturaleza de la tarea específica.
Aplicaciones sanitarias y financieras y los riesgos de reidentificación y sesgo
El estudio de la «SDAIA» destaca los posibles usos de los datos sintéticos en los sectores de la atención médica y los servicios financieros, donde el acceso a los registros reales está restringido por estrictos requisitos de protección de la privacidad y el secreto bancario y médico. El estudio también analiza la posibilidad de aumentar la representación de los grupos menos representados en los conjuntos de datos existentes, enfatizando la necesidad de equilibrar esta posibilidad frente al riesgo de reproducir sesgos inherentes a los datos originales o de introducir relaciones artificiales que no existen en la sociedad real.
La investigación advierte explícitamente que la información sintética no elimina automáticamente el riesgo de reidentificar a las personas; un modelo entrenado en registros sensibles puede retener combinaciones distintivas de características que permiten inferir o reconocer la identidad de las personas. Del mismo modo, un conjunto de datos sintéticos puede parecer lógico y convincente en la superficie, pero no lograr reproducir relaciones precisas que son importantes para una tarea científica u operativa.
La hoja de ruta de gobernanza recomendada en el estudio incluye definir con precisión el propósito previsto del uso, documentar el origen y los activos de los datos, asignar responsabilidades y rendición de cuentas, evaluar los riesgos, probar la calidad de los datos y aplicar los requisitos de transparencia. Asimismo, se señalaron los entornos de prueba regulatorios como marcos adecuados para realizar experimentos supervisados.
Naturaleza orientativa de las recomendaciones y su importancia para el ecosistema nacional del Reino
Estos resultados representan recomendaciones de investigación y pautas de gobernanza propuestas, y no son evidencia de que el Reino de Arabia Saudita haya promulgado una nueva ley obligatoria específica sobre datos sintéticos. Del mismo modo, la publicación del estudio no significa que ningún conjunto de datos generado haya sido aprobado oficialmente como seguro para su compartición ilimitada.
La autoridad «SDAIA» constituye la principal referencia institucional para los datos y la inteligencia artificial en el Reino de Arabia Saudita, lo que otorga a este estudio una relevancia directa para la gobernanza nacional y el desarrollo de aplicaciones técnicas. Su importancia se extiende más allá de los anuncios de lanzamiento de grandes modelos, dado que la disponibilidad de datos confiables de entrenamiento y evaluación representa una restricción rectora para los proyectos de inteligencia artificial tanto en el sector público como en el privado.
La importancia de la investigación radica en que proporciona un marco institucional saudí documentado para evaluar la información sintética en lugar de asumir automáticamente que los datos generados por computadora poseen privacidad, neutralidad o precisión. Los próximos pasos consisten en normas aplicadas públicamente, métodos de pruebas técnicas, directrices sectoriales y resultados mensurables de los proyectos piloto.
Preguntas frecuentes
Pregunta: ¿Cuáles son las tres categorías de datos sintéticos identificadas por el estudio de la SDAIA?
Respuesta: El estudio distinguió entre datos totalmente sintéticos, datos parcialmente sintéticos y datos híbridos, según su grado de dependencia de los registros reales.
Pregunta: ¿Cuáles son los sectores más destacados candidatos a beneficiarse de los datos sintéticos en Arabia Saudita?
Respuesta: El estudio destacó los sectores de la atención médica y los servicios financieros, dado que el acceso a los datos reales en ellos está sujeto a estrictas restricciones de protección de la privacidad.
Pregunta: ¿Eliminan por completo los datos sintéticos los riesgos de exposición de la privacidad individual?
Respuesta: No. La SDAIA advirtió que los modelos entrenados en registros sensibles pueden conservar características distintivas que permiten reidentificar a las personas o producir relaciones estadísticas engañosas.
Pregunta: ¿Cuáles son los elementos de la hoja de ruta de gobernanza recomendada por la SDAIA?
Respuesta: Incluyen definir el propósito del uso, documentar las fuentes de datos, asignar responsabilidades, evaluar los riesgos, probar la calidad, mejorar la transparencia y utilizar entornos de prueba regulatorios.
