El uso del índice de patentamiento para medir la innovación en IA ¿y si lo repensamos?

El pasado 24 de septiembre de 2024 fue lanzada la segunda edición del Índice Latinoamericano de Inteligencia Artificial (ILIA), un esfuerzo sin precedentes de la región para entregar datos cuantitativos sobre el estado de avance de la Inteligencia Artificial (IA) en 19 países de América Latina y el Caribe, en el que se identifican logros, brechas y oportunidades para impulsar un ecosistema de IA ético y sostenible. Entre los múltiples datos que el documento emite sobresale el subíndice de cantidad de patentes, el cual, al decir del informe, revela “la capacidad de los países para generar y proteger la propiedad intelectual en IA evidencia el nivel de avance en el desarrollo de nuevas tecnologías en la región”. Esta afirmación llama la atención y, sobretodo, la reflexión sobre el papel que se suele brindar al tema de las patentes y la innovación en IA.

Si bien es cierto que el índice de patentes constituye una fuente valiosa de información en materia de tecnología -no solo de IA-, dado que permite indicar tendencias a nivel de país, región y de forma global; es necesario evaluar sobre si el indicador continúa cumpliendo el mismo papel para esta tecnología o, al menos, para el de modelo de innovación y gobernanza en IA al que se aspira. Sin dudas, es un tema complejo en el que existen múltiples perspectivas.

La primer pregunta que surge es qué se entiende por patentes de IA. Para ello hay que reconocer que las patentes no son más que títulos que concede un Estado a aquellas personas físicas que realizan una invención para que, por sí o por otros, con su consentimiento, puedan explotarla de forma exclusiva y temporal en un territorio determinado. Su finalidad es promover el ingenio humano y la inversión a cambio del intercambio de ideas y soluciones. Sin embargo, las invenciones de IA son de distinta naturaleza. Existen las que recaen sobre los propios modelos de IA (arquitectura, parámetros y el código de inferencia para ejecutar el modelo), este es el caso de las invenciones desarrolladas por John Hopfield y Geoffrey Hinton, Premio Nobel de Física 2024, para desarrollar métodos que son la base del aprendizaje automático con redes neuronales artificiales.

También se encuentran aquellas invenciones en las cuáles los sistemas de IA desempeñan diferentes funciones en los procesos inventivos, ya sean invenciones asistidas por IA (se utiliza la IA como herramienta en el proceso de invención); invenciones basadas en IA (la tecnología forma parte del concepto inventivo e invenciones generadas por IA) y; aquellas otras, que son realizadas por la IA (sin intervención humana). Un ejemplo de las aplicaciones de la IA en procesos de invención son las investigaciones que han desarrollado los investigadores del Premio Nobel de Química 2024, el diseño de proteínas con computación (David Baker) y la predicción de la estructura de las proteínas mediante el uso de inteligencia artificial (Demis Hassabis y John Jumper).

Según el tipo de invención que se quiera proteger por patente y de conformidad con la regulación de cada país sobre la materia así será el tipo de respuesta que se brindará para proteger dicha invención. Hasta este momento existe una opinión mayoritaria -la cual comparto- de no proteger por patentes aquellas invenciones que han sido generadas exclusivamente por IA sin intervención humana.

Estrechamente relacionado con lo anterior se encuentra el debate sobre la materia patentable. Los sistemas de IA dependen en gran medida de relaciones matemáticas y algoritmos, ideas abstractas y códigos (software). Las legislaciones sobre patentes si bien suelen no proteger los primeros, no son uniformes en relación con la protección del software, lo que limita las mencanismos de protección de estos sistemas y, por ende, los datos asociados al índice de patentamiento. En México, por ejemplo, la Ley Federal de Protección a la Propiedad Industrial no concibe como invención ni las teorías científicas o sus principios; los métodos matemáticos; los esquemas, planes, reglas y métodos para el ejercicio de actividades intelectuales, para juegos o para actividades económico-comerciales o para realizar negocios, ni los programas de computación. Esto significa que el dato de las patentes concedidas en el país ni sus solicitudes puedan llegar a reflejar de modo más o menos preciso aquellas creaciones relacionadas con algoritmos de IA excepto, si los sistemas de IA se ejecutan o cumplen una función determinada en un dispositivo.

Por ejemplo, un algoritmo de IA utilizado para detectar tumores cancerosos en edades tempranas podría ser protegido por derechos de autor, software como dispositivo médico, en otras palabras, es el software utilizado con uno o más propósitos médicos, lo que incluye detección y diagnóstico de una enfermedad, sin embargo, no podría ser protegido por patente; pero, si el software hace funcionar un dispositivo médico físico, sí podría ser protegido como tal, siempre y cuando el dispositivo cumpla con los requisitos establecidos en la Ley Federal de Propiedad Industrial; es una invención nueva (no se encuentre en el estado de la técnica), resultado de una actividad inventiva (no se deduce del estado de la técnica en forma obvia o evidente para un técnico en la materia) y es susceptible de aplicación industrial (pueda ser producida o utilizada en cualquier rama de la actividad económica).

La complejidad de la tecnología, no solo desde sus diversos campos y subdisciplinas, la diversidad de actores que intervienen en los procesos de investigación, desarrollo e implementación y el propio Derecho de Patentes provocan un cambio en la forma en la que normalmente se analiza la relación de patentes e innovación. En materia de IA el concepto de invención e innovación no siempre está asociado al patentamiento. Por ejemplo, un informe publicado por la OMPI reveló que, una de las empresas más importantes en el área como OpenAI no había registrado ninguna patente por sus actividades de investigación hasta principios de 2023, no fue hasta el primer trimestre de 2024 que se publicaron seis patentes estadounidenses (tres concedidas y tres pendientes). Tampoco siempre es válido asociar la protección por patente de los sistemas y modelos de IA con el incremento de la innovación en este campo, una modificación legislativa no traerá consigo, al menos de manera automática, un aumento en las cifras relacionadas con la innovación en esta área. Tampoco, en todos los casos, constituye la mejor estrategia de protección de estos sistemas, al menos, desde una óptica regional y cómo nuestros países asumen la generación, adopción e implementación de esta tecnología.

La idea no es desproteger, sino proteger de manera responsable, reconociendo que no existe un único mecanismo. Hasta este momendo dos grandes modelos de protección se han desarrollado en relación con los sistemas de IA, aquellos considerados propietarios o privativos y los denominados abiertos, aunque entre uno y otro existe un abanico de posibilidades, en los que no solo intervienen patentes, sino también, otros derechos de propiedad intelectual como son los derechos de autor y los secretos comerciales; estos últimos, por ejemplo, parecen ser una opción menos costosa y más viable para las pequeñas y medianas empresas que no siempre pueden asumir los costos de las solicitudes de patentes e inclusive, podrían ser más útiles con las tendencias tecnológicas regionales de implementar y adoptar tecnología.

La selección de cualquier forma de protección debe corresponderse con el paradigma de IA al que se aspira. El desarrollo de la IA rompe con los modelos clásicos de protección de los derechos de propiedad intelectual y comienza a experimentar con otras figuras y modelos de investigación, invención e innovación que son más afines con los fines éticos deseados. Existen, por ejemplo, invenciones relacionadas con IA que utilizan licencias de código abierto por motivos de transparencia algorítmica e incluso de incentivos económicos y legales. Aun cuando los modelos abiertos no están en contradicción con el sistema de patentes de IA operan bajo lógicas diferentes o, al menos, envían un mensaje diferente en particular a lo referido a la accesibilidad de los sistemas y modelos, a lo que se le suman otros dilemas como el poder de las grandes tecnológicas y la capacidad de que las innovaciones puedan ser evaluadas y contrastadas científicamente.

Si bien las patentes constituyen información pública su uso está asociado con la exclusividad y la generación de monopolios jurídicos que impactan en la competencia, mientras que, los modelos abiertos funcionan bajo determinadas libertades básicas: 1) utilizar el sistema de IA para cualquier fin, sin tener que pedir permiso; 2) estudiar el funcionamiento del sistema e inspeccionar sus componentes; 3) modificar el sistema para cualquier fin, incluso para cambiar su rendimiento; y 4) compartir el sistema para que otros lo utilicen, con o sin modificaciones, con cualquier fin. Estas libertades deben ser apreciadas tanto en el código fuente, en los datos utilizados para su entrenamiento, así como en los pesos y parámetros. Quizás, desde un enfoque regional, este debería ser el mecanismo de protección que se debería promover y conceder más peso, mientras que las patentes, podrían devenir en un mecanismo más eficiente de protección en temas de aplicación de la tecnología.

Por último, las patentes tampoco parecen ser el mejor indicador para reflejar la diversidad de relaciones que tienen lugar en el ecosistema de innovación en IA. Si se considera que el desarrollo, adopción y transferencia de esta tecnología se encuentra relacionado con el ciclo de vida de la tecnología se debe asumir que es distinta la forma en la que se miden los resultados de innovación y, en consecuencia, la importancia que adquiere el patentamiento. La idea no es desechar el índice de patentes, todo lo contrario, necesitamos analizarlo en su justa medida, sin sobredimensionarlo ni minimizarlo. El desarrollo ético de la IA no solo es una cuestión de tecnología, riesgos y protección de los derechos humanos también implica una ruptura de los paradigmas de investigación, innovación y transferencia tecnológica, nuevos modelos necesitan ser creados y estudiados, nuevos indicadores precisan ser desarrollados y tomados en cuenta, al menos, si aspiramos a democratizar su uso, dejar de ser meros consumidores de tecnología y fomentar sistemas algorítmicos éticos más transparentes y fiables.