Los datos digitales de los pueblos originarios frente a la inteligencia artificial

Los pueblos originarios han sabido delimitar el ámbito de lo que comprende su territorio, el cual va más allá del lugar que habitan, el bosque, el agua, la tierra, la biodiversidad, el espectro radioeléctrico. No obstante, hoy día el territorio tiene otros alcances con la denominada Inteligencia Artificial (IA) y esto implica los datos digitales.

El equipo de Avispa Mídia entrevistó a la organización civil Servicios Universitarios y Redes de Conocimiento en Oaxaca (SURCO), quienes se han pronunciado al respecto, sosteniendo que la magnitud del problema ya no solo se reduce a la “protección de los datos personales”, sino que abarcan también los datos colectivos.

Esta organización lleva un largo camino discutiendo sobre el tema, incluso, aseguran que lo han hecho desde antes del boom de la IA, sobre todo, se da desde la década de 1990 con el uso del movimiento del software libre y los derechos digitales. Pero la discusión cobra gran fuerza en este año 2026 al encontrar un vacío en las categorías usadas en términos de los datos digitales en el ámbito de lo colectivo comunitario.

En un primer plano la organización hace una puntual distinción entre “datos comunitarios”, o “datos comunales”, que es aquella información colectiva generada por y sobre las comunidades indígenas, concebida como un bien común y territorio comunal bajo un marco de autonomía y libre determinación.

Bajo esa premisa, SURCO identifica que hay una oleada de corporaciones tecnológicas transnacionales que está alimentando la IA también con datos de las comunidades que extraen de “las lenguas, los territorios y los conocimientos de los pueblos, una nueva materia prima. Sin consentimiento, sin retribución, sin gobernanza colectiva”, afirma Gildardo Juárez Vega miembro de esta organización.

Por tanto, SURCO a través de su produccion de conocimientos colectivos comprende que los datos comunales son la defensa contra decisiones automatizadas tomadas por actores externos. Consideran que no puede existir una autonomía plena para los pueblos si estos no controlan la información que generan de manera colectiva. En ese sentido plantean que los “datos comunitarios” tienen que ser reconocidos explícitamente como un “Bien Comunal”.

Esta organización coloca como ejemplo a la corporación Whisper, cuyo sistema de reconocimiento de voz desarrollado por OpenAI fue entrenado con 680 mil horas de audio disponible en internet, incluidas 1,381 horas en maorí y 338 en hawaiano. SURCO subraya que no existió consentimiento de los pueblos para ese uso y recoge las críticas de Te Hiku Media, organización maorí que ha denunciado el problema como una forma de colonialismo de datos.

Lo que plantea esta organización como propuesta es que los pueblos necesitan instituciones propias capaces de sistematizar, regular y ejercer la gobernanza de sus propios datos desde la autonomía, lo que implica entender que el “consentimiento” no se reduce a una persona o representante aislado o una institución externa que pueda dar autorización sobre el uso de datos comunales. “La decisión correspondería a la Asamblea comunitaria”, afirma Gildardo Juárez Vega, integrante del equipo de SURCO, mediante sus sistemas normativos, o a las instituciones locales que ésta designe. De tal manera que no se trata de agregar una casilla de consentimiento a un formulario, sino de reconocer capacidad colectiva de decisión.

A continuación, la entrevista completa realizada a la organización SURCO

1.¿Cuándo empezó a plantearse la idea de reconocer los datos comunitarios como bien comunal?

Es un proceso largo. En SURCO partimos del movimiento de software libre y del rechazo, desde los años noventa, a los sistemas de gestión de derechos digitales (DRM), que son una forma de cercar el conocimiento digital. Otro antecedente fue nuestro trabajo de 2014 para que la Ley Federal de Telecomunicaciones y Radiodifusión reconociera el derecho de los pueblos indígenas al radioespectro. Se trata de un derecho colectivo sobre un recurso común. A partir del 2022 esta idea tomó forma con la iniciativa INDIGITAL, que nos permitió materializarla mediante talleres sobre protección de datos, que a su vez nos hizo ver que hablar solo de datos personales individuales tenía límites. Entonces empezamos a hablar de datos comunitarios.

En 2026, con la serie de ensayos Territorio Digital, comenzamos a pensar los datos como bien comunal y a distinguir dos términos:

Datos comunitarios como el conjunto de datos generados por una colectividad a partir de sus expresiones culturales y de su vida cotidiana, y que derivan de la totalidad de las actividades que tienen lugar en el seno de cualquier comunidad. En este caso, el concepto de datos comunitarios funciona como el principio general y político de que los datos pueden y deben comunalizarse (es decir, sustraerlos de la lógica de la propiedad privada y el mercado para someterlos al cuidado y control colectivo).

Y los datos comunales son los datos que pertenecen a una comunidad concreta. El término remite al Comisariado de Bienes Comunales, el órgano que representa y administra los bienes de la comunidad agraria según los acuerdos de la Asamblea, conforme a la Ley Agraria.

2. ¿Hay experiencias concretas?

Hay experiencias de pueblos indígenas que cuidan sus datos: Local Contexts fue fundada en 2010 y desarrolló etiquetas de Conocimiento Tradicional (TK) y Bioculturales (BC). Con estas etiquetas, las comunidades indígenas incorporan a las infraestructuras de datos sus propios protocolos sobre cómo se usan, muestran, gestionan y consultan sus datos. Las etiquetas TK y BC solo pueden aplicarlas las comunidades a las que pertenece el material.

Un ejemplo de uso es la tribu Passamaquoddy, que las aplica a sus grabaciones en la Biblioteca del Congreso de EE. UU. 

En Canadá, las Primeras Naciones formularon los principios OCAP (propiedad, control, acceso y posesión), que administra el First Nations Information Governance Centre.

La Nación Navajo aprobó en 2002 una moratoria sobre la investigación genética en su territorio.

En Aotearoa, Nueva Zelanda, la red maorí Te Mana Raraunga impulsa la soberanía de datos maorí.

El proyecto Cabaça Digital busca salvaguardar saberes tradicionales en Belém, en la Amazonía brasileña.

También hay experiencias que no deben repetirse. En enero de 2009, autoridades comunales del Rincón zapoteco, acompañadas por la Unión de Organizaciones de la Sierra Juárez de Oaxaca (UNOSJO), denunciaron por geopiratería al proyecto de mapeo "México Indígena", iniciado en 2006. El proyecto recibió financiamiento de la Oficina de Estudios Militares Extranjeros del Ejército de EE. UU. Según la denuncia, sus datos territoriales alimentaban un sistema de inteligencia militar.

3. ¿Qué datos considera SURCO datos comunales?

Los datos comunales son la información y el conocimiento que genera una comunidad, o que se producen sobre ella, y que no pertenecen a una sola persona. Van desde lo fonético hasta los saberes medicinales y las cartografías. La lengua, la cartografía y el conocimiento agrícola son bienes comunales de los pueblos en el mismo sentido que el monte, el bosque y el agua.

Incluyen también los datos genéticos, material biológico de plantas, semillas nativas y microorganismos de los territorios colectivos, ligado al conocimiento tradicional, a su manejo histórico y a la medicina de los pueblos. 

Las estadísticas e indicadores desagregados por pueblo o comunidad del INEGI. Los datos de salud materno-infantil, del SSA. Los registros del Catálogo Nacional de Pueblos y Comunidades del INPI. La información agraria del Registro Agrario Nacional (RAN). Cualquier corpus lingüístico, cultural o etnográfico recopilado por universidades, centros de investigación u ONG.

4. ¿Solo datos producidos por las comunidades, o también los que producen terceros sobre ellas?

Ambos. Ningún dato producido por las comunidades o sobre ellas debe extraerse, procesarse o comercializarse sin consentimiento libre, previo e informado. Esto aplica a las instituciones académicas que llegan a hacer entrevistas, diagnósticos o levantamientos, a las instituciones de gobierno y a las empresas de inteligencia artificial.

Negarse no alcanza. Las comunidades necesitan instituciones propias que sistematicen, regulen y pongan en práctica la gobernanza de sus datos desde la autonomía.

5. ¿Qué diferencia hay entre datos personales indígenas, colectivos, territoriales y genéticos?

Datos personales indígenas, los protegen las leyes de protección de datos personales; la Ley General para el sector público y la Ley Federal para particulares.

Datos colectivos, identifican a un pueblo o comunidad como sujeto. Incluyen su lengua, sus prácticas cotidianas, civiles o ceremoniales y sus patrones de uso del territorio. Ninguna ley mexicana les reconoce hoy un titular.

Datos territoriales, cartografía, uso de suelo y recursos naturales. Su precedente institucional parcial es el Registro Agrario Nacional, pero las comunidades no tienen gobernanza sobre su reutilización.

Datos genéticos, material biológico de plantas y microorganismos asociado a conocimiento tradicional. Es la única categoría con protección explícita en la propuesta de Ley General de Derechos de los Pueblos Indígenas y Afromexicanos (artículo 160, fracción IX). Esa protección se limita a la bioprospección y la biopiratería.

6. ¿Qué información pertenece a una comunidad, aunque la haya recopilado una institución externa?

Toda la información cuyo origen primario es la comunidad. Para SURCO, el criterio es de quién es el dato y sobre quién trata, sin importar quién hizo el levantamiento. La mediación institucional no extingue la titularidad de la comunidad, que debe decidir sobre su uso, acceso y destino. Como mínimo, la comunidad debe poder acceder a esos datos.

Un ejemplo es Mixtecadatos.org. El sitio reconoce que "esta información pertenece, en primer lugar, a los productores que la compartieron originalmente". Sin embargo, el acceso se gestiona mediante acuerdos institucionales y no hay ningún mecanismo visible de participación comunitaria. El 5 de octubre de 2026 el sitio estaba caído, lo que muestra la fragilidad de estos repositorios.

7. ¿Hay casos documentados de uso de lenguas indígenas para entrenar modelos de IA?

Sí. El caso más conocido es Whisper, el sistema de reconocimiento de voz de OpenAI. Se entrenó con 680,000 horas de audio de la web, entre ellas 1,381 horas en maorí. También incluyó 338 horas en hawaiano. Ningún pueblo dio su consentimiento. 

Te Hiku Media, la organización maorí que construyó su propio reconocedor de voz, lo denunció públicamente como una forma de colonialismo. OpenAI publicó cuántas horas usó por idioma, pero no de dónde sacó el audio. En la lista de idiomas de Whisper no aparece ninguna lengua indígena de México.

Pero también hay proyectos que están bajo control de pueblos indígenas. Te Hiku Media, Aotearoa, Nueva Zelanda. Reunió más de 300 horas de habla maorí etiquetada en diez días y construyó el primer reconocedor de voz del te reo Māori. Los datos están protegidos por la licencia Kaitiakitanga, que limita su uso al beneficio del pueblo maorí y prohíbe usarlos para vigilancia o discriminación. Su base jurídica es la soberanía de datos maorí y el licenciamiento.

Tachiwin, México, se presenta como una iniciativa indígena y comunitaria, sin fines de lucro. Afirma haber creado el primer modelo de lenguaje para una lengua indígena mexicana (tutunakú), adaptado de Llama 3.1 de Meta, y ahora trabaja en náhuatl. Estos datos provienen de su propia descripción. Tachiwin es un colectivo y no tiene autoridad comunitaria.

Abundant Intelligences y FLAIR, Norteamérica y el Pacífico, son programas liderados por personas indígenas para diseñar IA desde sus propios sistemas de conocimiento. FLAIR, dirigido por Michael Running Wolf, desarrolla reconocimiento de voz para lenguas indígenas de Norteamérica. Por ahora producen sobre todo protocolos y prototipos. Para citar algunos ejemplos.

8. ¿Qué estrategia jurídica propone SURCO?

Proponemos que la propuesta de iniciativa de la Ley General de Derechos de los Pueblos Indígenas y Afromexicanos incluya, en su capítulo de patrimonio cultural y propiedad intelectual colectiva, una sección sobre datos comunales como bien común digital y patrimonio colectivo. También proponemos que la ley reconozca la soberanía de datos de forma transversal, con reglas de consentimiento, trazabilidad, clasificación, seguridad, acceso, repatriación, eliminación, beneficio colectivo y reparación.

Esta sección se basaría en los principios CARE: Beneficio Colectivo, Autoridad para Controlar, Responsabilidad y Ética. Los principios FAIR, que hoy dominan los estándares técnicos, buscan que los datos sean encontrables, accesibles, interoperables y reutilizables, sin preguntar de dónde vienen. Eso facilita el despojo y el entrenamiento masivo de IA. Para SURCO, la apertura técnica no puede estar por encima de los derechos colectivos.

Si la propuesta no entra en la ley indígena, buscaremos incluirla en las leyes sobre inteligencia artificial y en la propuesta de reforma integral a la Constitución de Oaxaca.

9. ¿Cómo se define el bien comunal? ¿Qué figura jurídica se propone?

Los datos comunales son la información territorial, lingüística, biocultural o estadística que un pueblo o comunidad indígena o afromexicana genera, o que terceros producen sobre él. Se rigen por el mismo principio de comunalidad que ya rige la tierra, el monte y el agua. Por eso nadie puede apropiárselos de forma individual. Su gobierno corresponde a la colectividad, a través de sus Asambleas y sistemas normativos propios. Ni una persona aislada ni una institución externa pueden dar el consentimiento para usarlos, consultarlos o comercializarlos.

La analogía es directa: los datos son tierra comunal. Proponemos para ellos el mismo estatus jurídico que la ley ya da a la tierra comunal y a la propiedad intelectual colectiva. Serían inalienables, imprescriptibles, irrenunciables e inembargables. La propuesta concreta es una definición de "Datos Comunitarios". 

10. ¿Se podría exigir la eliminación de datos o demandar por un modelo de IA entrenado sin consentimiento?

Nuestra propuesta lo plantea al exigir reglas de eliminación y reparación. Hoy no existe ese derecho ni una base jurídica clara en la legislación mexicana. El precedente más cercano es la nulidad de patentes o marcas registradas sin consentimiento sobre patrimonio cultural (artículo 153 de la propuesta de ley indígena). Ese mecanismo anula un registro, pero no borra datos de un modelo ya entrenado. Quitar datos de un modelo entrenado (unlearning) sigue sin resolverse, en lo técnico y en lo legal, incluso en los países con las leyes de IA más avanzadas.

11. ¿Cómo se demostraría jurídicamente que un modelo de IA usó información de una comunidad?

Hoy es muy difícil, porque las empresas no revelan con qué datos entrenan sus modelos. Por eso la primera exigencia para la iniciativa es que la ley obligue a transparentar las fuentes de datos de entrenamiento. Esa demanda ya se discute en varios países y tendría más fuerza si se impulsara de forma coordinada. Con esa obligación, sería posible comprobar el uso de información comunitaria.

Pero hay que ser realistas. Prácticamente todo lo que ha estado abierto en internet ya fue incorporado a los modelos comerciales. Por eso nuestra estrategia apunta al futuro: reconocer el derecho de los pueblos a la titularidad de sus datos y de los productos que resulten de ellos, con reglas de retribución y control sobre todo uso comercial futuro.

Fuente: Avispa Midia