El ámbito digital ha experimentado una transformación dramática en la última década. A la vanguardia de esta evolución se encuentra el software como servicio (SaaS), que ha revolucionado el ecosistema empresarial al ofrecer soluciones personalizadas y una conectividad perfecta. Pero a medida que integramos más profundamente estas tecnologías en nuestro tejido empresarial, un tema crítico cobra gran importancia: la privacidad.
Según una estimación de 2022 de McKinsey, la capitalización de mercado de las empresas SaaS asciende a la asombrosa cifra de 3 billones de dólares. A pesar de este inmenso valor, la mayoría de las multinacionales son lentas y vacilantes a la hora de adoptar lo último que SaaS tiene para ofrecer. La razón detrás de esta vacilación radica en los modelos de confianza defectuosos que actualmente prevalecen en las plataformas SaaS.
Si bien la mayoría de las empresas de SaaS se esfuerzan por cumplir con estándares como SOC2, ISO27X, adhiriéndose a las políticas internas sobre administración de datos y seguridad que establecen, estas medidas solo se auditan al final del año y se deposita mucha confianza en la honestidad de la recopilación de datos operativos. Esta auditoría anual presenta una imagen incompleta de las prácticas de la empresa durante todo el año y no garantiza la integridad y seguridad de los datos confidenciales de la empresa.
Para abordar este desequilibrio, se han introducido marcos legales como GDPR y CCPA, junto con las políticas de privacidad de la empresa. Sin embargo, estos estándares de gobernanza siguen siendo en gran medida teóricos y su eficacia solo puede determinarse mediante litigios, un proceso tedioso y costoso. Como resultado, el modelo de confianza actual de SaaS es como un castillo de naipes, vulnerable al colapso bajo el peso de un solo escándalo de privacidad.
Es posible que haya leído recientemente acerca de la controversia que rodea a los ingenieros de Samsung que envían un código propietario confidencial a ChatGPT de OpenAI. Si bien es posible que los ingenieros hayan tenido la intención de aprovechar las herramientas de última generación en beneficio de su corporación, sin darse cuenta revelaron propiedad intelectual altamente confidencial a una corporación privada estadounidense. Este caso destaca el hecho de que, si bien la innovación y la confidencialidad pueden coexistir, tales instancias aún no son comunes.
Aquí es donde las tecnologías de mejora de la privacidad (PET) entran en escena. Los PET tienen el potencial de ser la panacea que necesitamos para transformar nuestros modelos de confianza. A diferencia de los modelos tradicionales, los PET no requieren una confianza ciega en un sistema. Hacen cumplir las restricciones de confidencialidad algorítmicamente, proporcionando una protección de privacidad tangible y verificable.
Los PET ofrecen transparencia algorítmica al mismo tiempo que imponen la opacidad del procesamiento de datos y evitan la ingeniería inversa de fuentes de datos confidenciales. Estas tecnologías establecen una sólida infraestructura de privacidad que no solo cumple con las regulaciones, sino que ofrece el verdadero significado del procesamiento de lo que ves es lo que obtienes.
Informática confidencial está liderando un cambio revolucionario en el ámbito de las tecnologías de mejora de la privacidad (PET). Al aprovechar los enclaves protegidos dentro del hardware, garantiza la seguridad de los datos durante el cómputo, un marcado contraste con los métodos tradicionales que se centran en los datos en reposo o en tránsito. Este enfoque innovador ha atraído una atención sustancial de los gigantes de la industria, con los principales proveedores de la nube que ofrecen servicios de computación confidencial y gigantes de chips como Nvidia, Intel y AMD invirtiendo miles de millones en el desarrollo de hardware de próxima generación.
Otro PET transformador es Privacidad diferencial, que introduce un nuevo estándar para la anonimización de datos. Al infundir ‘ruido’ en el conjunto de datos, la privacidad diferencial protege la privacidad individual y preserva la utilidad general de los datos. Esta técnica ha demostrado su eficacia en aplicaciones de alto riesgo, como su implementación en el Censo de EE. UU. de 2020. La creciente aceptación de la privacidad diferencial se ve reforzada por iniciativas como OpenDP de Harvard, cuyo objetivo es crear herramientas confiables y de código abierto para implementar esta tecnología.
Estas herramientas y técnicas de vanguardia han pasado por la rigurosa validación de organismos nacionales como la Oficina del Censo de EE. UU. y los gigantes tecnológicos. Ahora, están preparados para ocupar un lugar central en la industria tecnológica. No hace falta decir que muchos ojos están puestos en lo que se avecina en este campo, con un enfoque en la estandarización y una mayor facilidad de uso para los desarrolladores no expertos.
Este verano, esperamos ver un gran avance en la adopción de PET y su impacto positivo en la sociedad en The Eyes-Off Data Summit, que se inaugura en Dublín esta semana (20 de julio). La cumbre es un foro donde los reguladores, incluida la Oficina del Comisionado de Información del Reino Unido y el Comisionado de Protección de Datos de Irlanda, se reúnen con expertos de instituciones de renombre como Harvard, Oxford y el Instituto Alan Turing.
Aquí se reunirá un grupo diverso de científicos de datos, tanto del sector público como del privado, junto con administradores de datos. El objetivo es desafiar el status quo y descubrir cómo nosotros, como comunidad, podemos fomentar un cambio significativo en la sociedad.
A través de la adopción generalizada de PET, podemos desbloquear todo el potencial del mercado SaaS de un billón de dólares mientras protegemos la privacidad y fomentamos innovaciones que benefician a todos.
Jack Fitzsimons es cofundador de Oblivious AI