Principales destacados
- Nuevo sistema de la ONU: la plataforma reúne estadísticas de distintas agencias y permite realizar consultas en lenguaje natural.
- La IA todavía comete muchos errores: una prueba de UNICEF encontró una precisión media de apenas 21,2% en respuestas sobre indicadores globales de desarrollo.
- Meta para 2027: la ONU pretende incorporar el 80% de sus conjuntos estadísticos a la nueva infraestructura, facilitando el acceso directo por parte de agentes de IA.
La Organización de las Naciones Unidas quiere resolver un problema que se ha vuelto cada vez más evidente en la era de los chatbots: tener acceso a la información no significa que una IA sepa encontrarla, interpretarla o reproducirla correctamente.
Para ello, la ONU anunció este jueves una colaboración con Google para transformar su enorme colección de estadísticas globales en una fuente más accesible para las personas y los sistemas de inteligencia artificial.
La iniciativa se llama UN System Data Commons y utiliza como base la plataforma de código abierto Google Data Commons.
Adiós a la búsqueda tradicional. Ahora se puede preguntar 🗣️
La nueva plataforma sustituye al antiguo UNData, que funcionaba principalmente como un portal convencional de consulta y navegación por bases estadísticas.
La lógica ahora es diferente.
En lugar de buscar manualmente un indicador dentro de una estructura de base de datos, el usuario puede hacer una pregunta en lenguaje natural y encontrar estadísticas procedentes de diferentes agencias de la ONU.
🔎 El cambio va más allá de la interfaz: el sistema también ofrece soporte para el Model Context Protocol, o MCP, un estándar que permite que los sistemas de IA se conecten directamente con fuentes externas.
En la práctica, esto abre la puerta a que los agentes de IA consulten los datos de la ONU sin depender únicamente de lo que fue incorporado durante el entrenamiento de un modelo.
Y hay un motivo bastante concreto para este cambio.
Cuando la IA responde, pero no entrega el número correcto 🤖
UNICEF realizó una prueba con seis grandes modelos de lenguaje y más de 133.000 respuestas sobre indicadores de desarrollo global.
El resultado fue una señal de alerta: la precisión media fue de apenas 21,2%.
El estudio evaluó versiones de GPT-4o y GPT-4o-mini, de OpenAI; Claude Sonnet 4.5 y Haiku 4.5, de Anthropic; y Gemini 2.5 Flash y Gemini 2.0 Flash, de Google.
Alrededor de tres de cada cinco respuestas ni siquiera presentaron un número utilizable, según João Pedro Azevedo, jefe de estadística de UNICEF.
Y había otro problema.
Cuando las mismas preguntas se realizaron nuevamente, unos dos días después, los modelos que proporcionaron un número en ambas ocasiones repitieron exactamente el mismo valor solo aproximadamente la mitad de las veces.
💡 El problema no es solo que la IA invente una respuesta. También es que no sea consistente cuando simplemente debería recuperar un dato.
El trabajo de UNICEF todavía es un working paper que se está preparando para su envío a una revista científica. Por lo tanto, aún no ha pasado por una revisión por pares. La organización afirma que pretende publicar la metodología, el código y los datos utilizados en el estudio junto con el artículo.
Y los usuarios ya están llevando más preguntas a las IAs 📈
La presión para resolver este problema también aparece en el comportamiento de los usuarios.
La página de datos de UNICEF recibe más de 6 millones de visitas al mes. Este año, una parte creciente de ese tráfico comenzó a llegar desde asistentes generativos.
Entre el 1 de enero y el 14 de septiembre, las visitas a la página procedentes de personas que hicieron clic en enlaces mostrados en respuestas de ChatGPT aumentaron un 67% interanual, según Azevedo.
Estos accesos representaron el 6,4% de todas las sesiones durante el período.
Si se consideran los asistentes de IA en general, UNICEF estima que ya representan aproximadamente una de cada diez visitas al sitio.
Es decir: las personas ya están utilizando IA para llegar a los datos oficiales. Ahora, la ONU quiere aumentar las posibilidades de que los datos encontrados durante ese recorrido sean realmente correctos.
La ONU quiere poner casi todo en la misma carretera 🌐
La iniciativa no parte de cero.
Según la ONU, 26 entidades del sistema se han comprometido con Data Commons, y los datos de casi 20 de ellas ya estaban disponibles en el lanzamiento.
La meta es más ambiciosa: incorporar el 80% de los conjuntos de datos estadísticos de todo el sistema de la ONU a la plataforma para 2027.
| Ahora | Meta |
|---|---|
| Casi 20 entidades con datos disponibles | 26 entidades comprometidas |
| Nueva plataforma en funcionamiento | 80% de los datasets estadísticos para 2027 |
Shantanu Mukherjee, director interino de la División de Estadística de la ONU, afirmó que la iniciativa representa una expansión significativa en escala, alcance y flexibilidad, y que aprovecha este momento para preparar los datos de la organización para la IA.
💡 El detalle importante: preparar los datos para la IA no significa simplemente colocarlos en un lugar donde un chatbot pueda encontrarlos.
También es necesario preservar el origen de cada estadística.
¿De dónde salió ese número? 🔗
Este es uno de los elementos centrales del nuevo sistema.
La plataforma registra la procedencia de las estadísticas, lo que permite a una persona rastrear un dato recuperado por una IA hasta su fuente original dentro de la ONU.
Esto resulta especialmente importante cuando el resultado de una consulta deja de ser una simple estadística y pasa a respaldar un análisis, un informe o una decisión.
Google demostró precisamente este tipo de uso.
Un sistema de IA conectado a los datos de la ONU mediante MCP logró reunir varios indicadores y transformarlos en paneles de datos, gráficos y análisis escritos, sin que el usuario tuviera que localizar y combinar manualmente cada conjunto de datos.
De una estadística aislada a un análisis completo 📊
En una demostración, Google pidió a un sistema de IA que identificara el impacto del programa de emergencia de Estados Unidos para combatir el sida en África.
El sistema buscó estadísticas relevantes de la ONU sobre indicadores como las infecciones por VIH, la mortalidad relacionada con el sida y la esperanza de vida.
Después, combinó los datos para producir una infografía.
Es exactamente el tipo de tarea en la que los agentes de IA pueden cambiar el flujo de trabajo: en lugar de responder únicamente «¿cuál es el número?», el sistema puede buscar varios indicadores, relacionarlos y producir una representación visual.
Pero hay una coma importante en esta promesa.
Los datos oficiales no convierten automáticamente a la IA en una experta ⚠️
Incluso cuando el modelo recibe acceso directo a una fuente confiable, la respuesta final todavía puede contener interpretaciones equivocadas.
Prem Ramaswami, responsable del equipo de Data Commons en Google, hizo precisamente esta advertencia: los modelos pueden interpretar los matices de manera incorrecta, por lo que una persona debería revisar los resultados antes de citarlos o publicarlos.
🧠 La diferencia es crucial: una cosa es mejorar la calidad de la fuente consultada. Otra es garantizar que el modelo comprenda perfectamente el significado de ese dato.
Google.org proporcionó US$ 2 millones en financiación para capacitación y soporte técnico durante la construcción de la infraestructura inicial.
Según Ramaswami, sin embargo, la intención es que la plataforma permanezca en una instancia gobernada por la propia ONU y que, con el tiempo, sea mantenida, operada y ampliada de forma independiente por la organización.
Google ya estaba preparando este terreno 🚀
Data Commons fue lanzado por Google en 2018 con la propuesta de organizar conjuntos de datos públicos procedentes de diferentes fuentes dentro de una estructura común.
El año pasado, la plataforma incorporó soporte para MCP, lo que permite a los agentes de IA consultar directamente estadísticas y sus fuentes.
La colaboración con la ONU lleva esta idea a uno de los mayores acervos estadísticos institucionales del mundo.
Y existe una diferencia importante frente al modelo tradicional de chatbot: en lugar de pedirle a la IA que recuerde un dato, la arquitectura permite que vaya a buscarlo cuando lo necesite.
Es un pequeño cambio en la frase y uno enorme en la infraestructura.
La próxima disputa puede ser por la interpretación 🔎
Si la estrategia funciona, una pregunta realizada a un agente de IA podría desencadenar una cadena muy diferente de la actual: identificar los indicadores necesarios, consultar directamente fuentes oficiales, combinar los resultados, presentar las referencias y producir un análisis.
Eso reduce una parte importante del trabajo manual.
Pero no elimina la necesidad de verificar el resultado.
La propia advertencia de Google resume el punto: conectar una IA con datos confiables mejora el acceso a la información, pero no convierte automáticamente sus conclusiones en información confiable.
La ONU ahora tiene una meta concreta para poner a prueba esta promesa: llevar el 80% de sus datasets estadísticos a la nueva infraestructura para 2027. Por lo tanto, la carrera no termina cuando la IA finalmente encuentra el número. Empieza cuando necesita explicar qué significa realmente ese número.
