Data-driven lobbying: Cómo las organizaciones usan IA para anticipar cambios regulatorios y políticos

La legaltech Grupo Atico34 analiza esta nueva tendencia que permite adelantarse a acontecimientos políticos, sociales o legislativos, pero también suscita enormes dudas sobre posibles usos ilegítimos o éticamente cuestionables.

Isaac Asimov escribió un relato corto sobre una sustancia ficticia llamada Tiotimolina. Esta sustancia tenía la particularidad de que se disolvía, digamos, un segundo antes de entrar en contacto con el agua. Uniendo varios dispositivos denominados pilas tectónicas, los científicos fueron capaces de enlazar esa reacción todas las veces que hiciera falta. Es decir, con un millón de pilas tectónicas, la tiotimolina se disolvería un millón de segundos antes de que el agua la tocase.

El lector ávido puede darse cuenta de lo que esto supone. Básicamente es una sustancia que adivina el futuro. Su aplicación más evidente es la predicción meteorológica. Uno puede poner un recipiente con tiotimolina a la intemperie, y si el contenido se disuelve, estar 100% seguro de que va a llover, porque la tiotimolina se habrá mojado en el futuro. Si la tiotimolina se disuelve, nada podrá evitar que se moje, pase lo que pase, porque es algo que ya ha sucedido en el futuro.

Pronto, surgieron numerosas aplicaciones impensables de esta sustancia, que incluso se volvió clave en la carrera espacial. Pero también hubo quien se dio cuenta de sus posibilidades más oscuras. Hemos dicho que “si la tiotimolina se disuelve, nada podrá evitar que se moje en el futuro, pase lo que pase”, porque ya se habrá mojado en ese futuro. Entonces, ¿qué pasaría si cojo un bote con tiotimolina que ya se ha disuelto y, por tanto, ya se ha mojado sí o sí en el futuro, y la cierro herméticamente en un lugar inaccesible para “engañarla” y que no se pueda mojar? Que la tiotimolina hará todo lo necesario para que el agua la moje cuando le toca, aunque para ello tenga que recurrir a inundaciones, tifones o todo tipo de catástrofes naturales.

¿A qué viene todo este rollo introductorio? Pues a que vamos a hablar sobre el Data-driven lobbying, una práctica muy extendida a raíz del desarrollo de la inteligencia artificial y que guarda ciertos paralelismos con esta sustancia ficticia, en su capacidad para adelantarse al futuro (no de forma tan extraordinaria) y por sus enormes posibilidades, tanto para lo bueno, como para lo malo.

La IA para adelantarse a eventos futuros o cambios normativos

¿Puede una organización manipular indirectamente el discurso político o social a través de la IA? ¿Estamos ante una nueva forma de asimetría informativa donde sólo quien tenga más datos y mejores modelos gana acceso privilegiado? ¿Qué ocurre cuando los modelos se equivocan y predicen falsos positivos regulatorios?

Dejando por una vez de lado la vertiente política, si nos centramos en el ámbito empresarial y organizacional, nos damos cuenta de que los cambios en leyes y normativas pueden provocar un impacto radical en modelos de negocio en cuestión de muy poco tiempo. Las empresas ya no pueden permitirse el lujo de adoptar una postura reactiva. Y es aquí donde nace una nueva disciplina: el data-driven lobbying.

A continuación veremos en qué consiste este concepto, para qué se aplica exactamente y si supone algún riesgo potencial para organizaciones o usuarios. Para ello hemos contado con la ayuda del equipo de abogados de Atico34, firma que se ha convertido en un referente en protección de datos y en la aplicación de la reciente normativa sobre IA..

¿Qué es el data-driven lobbying?

El data-driven lobbying es una estrategia de incidencia política y social que utiliza datos masivos, inteligencia artificial y análisis predictivo para anticipar y responder a cambios regulatorios. A diferencia del lobby tradicional basado en relaciones personales, este enfoque se fundamenta en evidencias cuantificables, modelos estadísticos y tecnologías automatizadas.

Ricardo Prada, del equipo jurídico de Atico34, señala que “cada vez más empresas utilizan el procesamiento del lenguaje natural, los modelos predictivos o las herramientas de análisis en redes sociales para adelantarse a comportamientos o escenarios futuros. Todos sabemos que los partidos políticos llevan haciendo esto mucho tiempo, pero la inteligencia artificial acerca esta posibilidad a organizaciones de toda índole”.

Las organizaciones recopilan datos públicos y semiestructurados como discursos legislativos, tendencias en redes sociales y resoluciones judiciales para detectar señales tempranas de posibles giros regulatorios o ideológicos. Una de las conclusiones que se extraen de esto es la “democratización” del término lobby. Si antes estaba restringido a grupos de poder muy concretos con poder de decisión e influencia, ahora toda organización y startup puede crear su propio lobby, uno con el que quizá no influya en la toma de decisiones, pero sí pueda adelantarse a ellas.

Tal y como señalan desde Atico34, “el objetivo del data-driven lobbying no es solo influir, sino prever. Permite a empresas y startups anticiparse a entornos normativos volátiles, optimizando su narrativa y recursos de incidencia. Este modelo inaugura una nueva era de lobbying algorítmico, más preciso, aunque también sujeto a tensiones éticas y legales, principalmente el respeto al RGPD, la LOPDGDD y la nueva normativa sobre inteligencia artificial”.

El lado bueno del Data-driven lobbying

En principio, usar información para adelantarse a tendencias de futuro y adaptarse más rápido a ellas no tiene nada de negativo. Por ejemplo, startups como Hugging Face monitorean los marcos regulatorios sobre privacidad de datos, algoritmos auditables o uso ético de la IA ya que un cambio en la postura de una autoridad reguladora del sector puede provocar una reconfiguración inmediata de sus políticas internas.

También está el caso de startups de tecnología climática escanean regulaciones ambientales globales y locales para anticipar subsidios, incentivos o normativas que podrían afectar la inversión. Usan modelos de IA que cruzan variables como clima electoral, presión pública o agendas climáticas supranacionales como el Green Deal europeo.

“Una de las principales ventajas del Data-driven lobbying es su capacidad para prever cambios en las normativas, adaptarse a ellos con rapidez y así evitar sanciones. Sin embargo, un uso inadecuado de la información también podría hacer que aparezca su lado tenebroso, ese en el que los datos son usados de forma masiva, sin filtros, son consentimiento, sin confirmación de su veracidad y/o con fines ilegítimos”, apuntan desde Atico34.

La cara oculta del Data-driven lobbying

Queremos pensar que el Data-driven lobbying no llegará a tener consecuencias tan graves para el futuro de la humanidad como las tuvo la tiotimolina, pero lo cierto es que es una práctica que también conlleva numerosos riesgos, tanto para las empresas como para la integridad de los datos personales de los usuarios.

“Este tipo de estrategias podrían ser usadas con fines de Instrumentalización de ciudadanos o movimientos sociales: usar su narrativa para fines de lobby sin su conocimiento ni consentimiento, afectando la autonomía del discurso público”, advierten desde Atico34, “o para influir en procesos democráticos o legislativos a través del uso de datos falsos o sesgados”.

Es decir, entran en juego conceptos íntimamente relacionados con la protección de datos personales, como el consentimiento del usuario para usar sus datos personales, el uso de estos datos de forma masiva, o con fines ilegítimos, la utilización de información sesgada para influir en las tomas de decisiones… Todo ello comportamientos penalizados por el RGPD, la LOPDGDD y también lo serán en la próxima ley de inteligencia artificial que se encuentra en fase de anteproyecto.

Ante este escenario, en Atico34 recomiendan contar con la ayuda de expertos en protección de datos aplicada a la inteligencia artificial, y ofrecen unos consejos base para todas las organizaciones: “Aplicar los principios del Privacy by Design en toda la cadena de uso de datos, limitar el procesamiento de información sensible como es la política, religiosa, o ideológica, incorporar auditorías éticas y mecanismos de rendición de cuentas en sus modelos de IA y desarrollar sistemas de consentimiento dinámico o al menos notificaciones sobre uso indirecto de datos públicos”.