Ramon Soto

@Sofia Molina, gracias y claro, con todo gusto. @erikiado, esa es una buena pregunta, particularmente cuando vemos notas frecuentes acerca de empresas que empiezan a recibir pagos en Bitcoin y cuando vemos la iniciativa del presidente Bukele en El Salvador. Todo pareciera que es directo, pero no es tan simple... no podía serlo. Lo primero que debemos tener claro es que, en México, todo ingreso o egreso debe reportarse al SAT. Para fines de la Ley Fintech, las criptomonedas no son de curso legal, por lo tanto, "no se pueden hacer pagos con ellas", lo que se puede hacer es compraventa de las criptos como un activo digital. Por lo tanto, hacer o recibir pagos en criptomonedas todavía es truculento. Pero sería, más o menos así: Si una empresa quiere hacer pagos en criptomonedas, debe utilizar una "pasarela", que es un servicio que ofrece un tercero que funciona como intermediario; básicamente, la empresa abre una cuenta en un exchange de criptomonedas (una casa de cambio), ligada a una cuenta bancaria de la empresa que a su vez está registrada ante el SAT. Con esa cuenta, la empresa compra los bitcoins y solicita al exchange enviarlos a la dirección destino. Para fines del SAT, la empresa simplemente compró activos digitales; es una transacción entre la empresa y el exchange. De acuerdo con la Ley Fintech, es responsabilidad del exchange dar transparencia de quién hizo la compra de los activos y de dónde provienen los fondos. A continuación, el exchange puede simplemente transferir la cantidad de criptomonedas al proveedor de la empresa y será un problema a resolver por él como retirar el dinero fiduciario (a través de ese u otro exchange, siguiendo un procedimiento parecido). El exchange puede entregar directamente el dinero fiduciario a proveedor (actuando ahora como su pasarela), pero el proveedor debe tener una cuenta abierta en el exchange, con la correspondiente información corporativa, incluyendo la cuenta a dónde se dirigirá el pago. Otra vez, es una transacción entre el exchange y el proveedor. ¿Cómo se consolida el intercambio (que no sería pago) de un producto o servicio por criptomonedas? No es muy claro, y el mismo Banco de México no tiene una postura definida... simplemente asegura que ambas partes deben sujetarse a las Ley Fintech y que de no hacerlo será sujeto de sanciones (Elektra, por ejemplo, fue advertida de esto y está bajo la mira del Banco de México). ¿Cómo reclama la empresa no haber recibido el servicio/producto correspondiente después de haberlo "pagado" con criptomonedas? o, en general, ¿Cómo se demuestra el pago realizado? no es directo; sólo hubo una o dos operaciones de compraventa de activos digitales y la entrega de un servicio/producto sin pago de por medio. Dado que los exchange involucrados tienen toda la información referente a esas compraventas, puede darse seguimiento a toda la operación y confirmar que el traspaso de activos digitales es la compensación por el servicio/producto recibido. En cualquier caso, hay que estudiar bien la Ley Fintech (que ya empezó a revisar Sofía en este círculo con el post Certeza jurídica en las nuevas tecnologías emergentes) para asegurarse de no violentar las disposiciones oficiales.

En el post de la semana pasada (La privacidad en la era de la información) conversamos acerca del derecho a la privacidad y el conflicto de este derecho con la necesidad de autenticar la identidad de un actor en un entorno carente de confianza. Una de las propuestas más interesantes para reconciliar este conflicto es la llamada Identidad Autosoberana. Una aplicación del concepto de soberanía, particularmente desde la perspectiva individual, al manejo de los datos personales. Autenticación de la identidad y privacidad Los métodos utilizados actualmente para autenticar la identidad de una persona violan el derecho a la privacidad, lo cual, si bien ha sido un problema que ha preocupado a la sociedad desde hace muchos años, hoy cobra relevancia por dos razones principales: 1) la proliferación de datos "expuestos" y 2) por la posibilidad de finalmente empezar a cambiar estos métodos. Actualmente, por ejemplo, si Margarita (o cualquier otra persona), quiere ir a un bar a tomarse un par de copas, debe demostrar que tiene autorización legal para hacerlo, lo cual en México consiste en ser mayor de edad (es decir, tener 18 años cumplidos). Y la única forma en que Margarita puede demostrar que está autorizada a consumir su par de tragos (y a entrar en el bar, de hecho) es presentando un "documento de identificación" oficial, típicamente la credencial para votar, que confirme su edad y que, indirectamente, de fe de su mayoría de edad. Cuando Margarita presenta su credencial al cantinero (y al guardia a la entrada del bar), ella da evidencia de que, efectivamente, tiene edad legal para consumir alcohol. Pero también expone muchos otros datos: que se llama Margarita Gomez Velazquez, por ejemplo; que vive en la delegación Cuajimalpa en el D.F., concretamente en la calle Pitágoras número 1253 interior 4 de la calle Morelos, y claro, se entera de que en realidad es legalmente mujer. Pero el cantinero no tiene derecho de enterarse de todo ello, el único dato que le interesa es ¿la persona que está tratando de ingresar al bar tiene derecho legal a consumir alcohol o no? (ni siquiera debería conocer su edad exacta o su nombre). El sistema actual de manejo de la confianza violenta abiertamente (y de manera "oficial") el derecho a la privacidad y nos hemos acostumbrado a tolerarlo. Aun así, en el mundo analógico el individuo es capaz de controlar, en gran medida, la divulgación de la información que definen su identidad. Si Margarita desea evitar que extraños tengan acceso a los datos en su credencial de identificación, puede prescindir de asistir a cualquier lugar donde ésta le sea requerida. Sin embargo, esta capacidad, que en el mundo físico ya es limitada, prácticamente desaparece en el mundo digital. El Internet modificó radicalmente la forma en que interaccionamos con el mundo y, particularmente, la forma en que demostramos nuestra identidad. Desde las cookies en los sitios web, hasta datos sobre nuestras cuentas bancarias, pasando por documentos en la nube y todo tipo de información sensible manejada a través de correos electrónicos, redes sociales y otros medios digitales de comunicación. Esta nueva forma de interacción requiere volver a considerar opciones de aseguramiento de la privacidad, que nos devuelvan el control de nuestros datos privados. Blockchain y la identidad auto-soberana La soberanía es el pleno derecho y poder de un órgano de gobierno sobre sí mismo, sin ninguna interferencia de fuentes u organismos externos. No se trata de una mera autoridad, sino de una autoridad suprema, en un determinado contexto. En el caso del manejo de la identidad digital, la soberanía significa que los datos de identidad de una persona son totalmente propiedad de ella y están controlados por ella misma y por nadie más. El concepto puede extenderse también a dispositivos, lo cual es particularmente útil para aplicaciones de IoT (Internet de las cosas). El nuevo concepto de "Identidad auto soberana" (SSI - self-sovereign identity) permite a los usuarios tener total autonomía sobre su identificador (ID) y control sobre sus datos de identidad y de la manera en que se comparten, según sea necesario, al mismo tiempo que permite a los proveedores de servicios validar y confiar de forma segura en el reclamo de identidad del usuario. El componente fundamental que hace posible la auto soberanía de la identidad es el llamado identificador descentralizado (DID), que representa al usuario de forma pseudo anónima y se deriva de una clave pública generada en una plataforma descentralizada de registros, sin la necesidad de una autoridad central. Las identidades soberanas le dan a la persona control sobre su apariencia digital, pero la persona ahora es responsable de proveer y mantener las medidas necesarias de privacidad y confiabilidad. El término identidad auto-soberana (SSI - Self-Soverereign Identity) fue popularizado por Christopher Allen en un post del 2016, aunque parece tener su origen en algunas reflexiones hechas y discutidas desde 2012 por Devon Loffreto (aquí la fuente original). Se entiende por identidad auto-soberana, la capacidad de las personas y las organizaciones a almacenar sus datos de identidad en sus propios medios y poder elegir qué piezas de información compartir con otros, sin depender de un repositorio central, administrado por terceros. Aunque el concepto de identidad auto-soberana ha estado flotando el aire desde hace tiempo (ver por ejemplo el artículo de David Chaum, de 1985, Security without Identification Transactions Systems to Make Big Brother Obsolete), es con la llegada del internet que la necesidad adquiere un nivel preponderante, y es ahora, con la llegada de blockchain, que se abren opciones para su implementación real. La tecnología Blockhcain ofrece una herramienta muy poderosa para el aseguramiento de la privacidad de la información. En una cadena de bloques, la información se encuentra encriptada mediante un sistema de llaves asimétricas que funciona en gran medida como un sistema de usuario + contraseña. De esta manera, un fragmento de información sólo puede ser inspeccionada por quien tenga en su mano la contraseña (la llave privada). El intercambio de información, por otra parte, se realiza a través de las llaves públicas (el equivalente al nombre de usuario, sólo que mucho más críptico). En posteriores colaboraciones escribiremos sobre la forma en que funciona la tecnología blockchain y cómo sus mecanismos técnológicos ofrecen una base sólida para el desarrollo de sistemas de identidad autosoberana. Conclusiones: La identidad auto soberana (SSI, por su siglas en inglés), es una propuesta para el manejo descentralizado de la identidad que da el control de los datos personales al usuario, así como la capacidad para controlar el grado de privacidad. Blockchain brinda los medios necesarios para el desarrollo de opciones de manejo auto soberano de la identidad, autenticidad de los registros de datos asegurados colectivamente y protegidos de manera criptográfica.

Datos y la pirámide DIKW Los datos son la materia prima del razonamiento y de la toma de decisiones y, dado su gran volumen y diversidad, son la característica fundamental de esta era. Sin embargo, y a pesar de que existe un claro consenso al respecto, no existe una definición absolutamente aceptada de lo que es un dato ni de sus productos derivados. Aqui una excelente discusión al respecto. Una definición aceptable de datos, en el contexto que nos interesa, es: A partir de los datos se generan, sucesivamente, constructos de mayor abstracción: la información, el conocimiento y la sabiduría. La relación entre los datos y estos otros conceptos suele describirse a través de la llamada pirámide de datos, también conocida como pirámide de la información, del conocimiento, de la sabiduría o, simplemente, pirámide DIKW (por las siglas en inglés data, information, knowledge, wisdom). En la siguiente figura se muestra un diagrama de la pirámide DIKW con un ejemplo simple: De manera similar, podemos definir el término información como un conjunto de datos organizados para un propósito específico y presentados en un contexto que les da significado y relevancia para el usuario. El conocimiento es el conjunto de reglas, en un contexto dado, que resultan de la interpretación y apropiación de la información por parte del usuario. La sabiduría, por su parte, es la capacidad de tomar decisiones adecuadas utilizando el conocimiento, la experiencia, la comprensión y la percepción. El fin de la ciencia de datos es transformar datos en acciones pertinentes a través de la generación de información, conocimiento y sabiduría. Patrones y percepción Un patrón puede definirse como una regularidad en un sistema. La capacidad de identificar estas regularidades es lo que podemos llamar Reconocimiento de patrones. El reconocimiento de patrones es una habilidad natural del ser humano, y de los seres vivos en general, y es lo que nos permite reconocer objetos en ambientes complejos y tomar decisiones de forma cotidiana. En la imagen siguiente, por ejemplo, podemos observar un camino de terracería y aunque se trata de tierra, piedras y vegetación mezclados, es muy simple distinguir los límites (imprecisos) entre el camino y los bordes, las piedras a un costado y la vegetación. Incluso podemos distinguir en el camino las zonas por donde transitan regularmente los automóviles. Existen diferentes tipos de regularidades que pueden ser detectadas de forma natural por los humanos, entre las que se pueden destacar las siguientes: Armonía: Proveniente del griego ἁρμονία (harmonía), que significa “conjunto, acuerdo, concordia”, esta palabra se usa comúnmente para denotar formas de concordancia y acuerdo en el ámbito social y musical. Sin embargo, podemos hablar también de armonías visuales, olfativas, gustativas o táctiles. Ritmo: El ritmo es cualquier movimiento regular y recurrente, marcado por la sucesión regular de elementos débiles y fuertes, o bien de condiciones opuestas o diferentes. En la definición del ritmo, el movimiento puede hacer referencia a una secuencia 'apreciadas' de estados: un escalón que 'sigue a otro', por ejemplo. Flujo: La palabra flujo, proveniente del latín fluxus hace referencia al movimiento de una substancia, un fluido, que puede tratarse de una corriente o de una emanación. Aunque típicamente se asocia el flujo a un líquido, actualmente el término se utiliza para para referirse a cualquier efecto en el que una cosa parece pasar o viajar, ya sea que se mueva o no. Así, podemos hablar del flujo de actividades en un proceso o del flujo de efectivo en una empresa. Simetría: La simetría se define como la 'correspondencia exacta en la disposición regular de las partes o puntos de un cuerpo o figura con relación a un centro, un eje o un plano'. Proporcionalidad: La proporcionalidad es una relación o razón constante entre magnitudes medibles. Reconocimiento de patrones y conocimiento El ser humano ha tratado, desde el surgimiento de la sociedad, de identificar las regularidades en un ambiente, típicamente azaroso, para generar modelos abstractos. Estos modelos, utilizados por los seres humanos para dominar su entorno, son representaciones parciales de la realidad, limitadas por las capacidades del ser humano para sensar su entorno. Esta idea fue planteada hace cerca de 2500 años por Protágoras y sujeta, desde entonces, a controversia. Un punto de vista alterno/complementario, para valorar la calidad de los modelos, se deriva de la alegoría de la caverna, presentada por Platón alrededor de 380 a. C. En esta metáfora, Platón describe a un grupo de prisioneros que han vivido encadenados en una cueva viendo hacia una pared desnuda. Los prisioneros juzgan el mundo a través de las sombras proyectadas en ella por objetos comunes, en contraposición a los filósofos que ven los objetos como son. De esta manera, Platón discute la importancia de la educación: los modelos de los prisioneros son pobres, en este caso, debido a la falta de conocimiento, pero pueden ser mejorados gracias a un estudio más profundo. Al margen de esta discusión por demás, filosóficamente interesante (si los modelos utilizados por los seres humanos son incompletos o erróneos por ignorancia o por imposibilidad de aprehensión de la realidad), es importante destacar la naturaleza incompleta de cualquier modelo, ya sea que dicho modelo sea resultado de métodos de reconocimiento de patrones o de teorías científicas bien establecidas. Pensamiento computacional El pensamiento computacional es un concepto que describe el proceso de razonamiento que conduce a la resolución de un problema por medios computacionales. El término fue introducido originalmente por Seymour Papert para resaltar el potencial de las representaciones computacionales para expresar ideas complejas, particularmente mediante el uso de simulaciones para enfatizar los aspectos dinámicos de los fenómenos físicos, en la enseñanza. Posteriormente, el concepto fue abordado por Jeannette M. Wing en el sentido que se utiliza actualmente, como la habilidad para descomponer un problema de manera que se pueda resolver de manera algorítmica. Wing enfatiza su importancia como una competencia básica para el aprendizaje, adicional a las de lectura, escritura y aritmética De caracter controversial, en algunos casos es presentado como una tercera forma de generar conocimiento, además de las formas tradicionales de teoría y experimentación. De acuerdo a este concepto, las actividades de resolución de problemas se pueden organizar en cuatro etapas: Descomposición: En esta etapa, el problema se replantea en pequeños subproblemas más manejables. Reconocimiento de patrones: En esta etapa, cada subproblema es analizado tratando de encontrar similaridades con otros casos resueltos u observados anteriormente. Abstracción: Esta etapa consiste en replantear el problema global y sus subproblemas, así como la solución, tratando de eliminar los aspectos específicos al caso y generalizar problema y solución. Algoritmos: Finalmente, se presenta la solución al problema en términos de una secuencia de pasos sistemáticos. Hay que notar que, en este contexto, el término de reconocimiento de patrones suele utilizarse de manera más general que el utilizado en ciencias de la computación, es decir, no sólo se trata del reconocimiento de patrones a partir de los datos, sino de segmentos de solución de problemas en general. También es digno de resaltar la coincidencia del enfoque del pensamiento computacional con el de ciencia de datos, en el sentido de estar enfocado en casos específicos y en el uso de las herramientas necesarias para sistematizar su análisis. Conclusiones El reconocimiento de patrones es una disciplina que busca explotar las capacidades naturales del ser humano para identificar regularidades en grandes volúmenes de observaciones con el fin de explicar el comportamiento de sistemas complejos. Aunque actualmente se han puesto de moda muchos otros términos relacionados con el análisis de datos, el reconocimiento de patrones sigue siendo una de las áreas fundamentales para este fin. La ciencia de datos no se limita a la aplicación de técnicas estadísticas para el análisis de datos. En su lugar, se plantea la búsqueda de una comprensión más integral. Para ello, dejamos en gran medida las matemáticas en un segundo plano, como herramientas para lograr esa comprensión más completa del problema y entran en juego toda clase de heurísticas y metáforas que permiten atacar un problema de una forma más "natural".

El concepto de privacidad está estrechamente relacionado con el de secrecía. La secrecía se refiere a ocultar información y es, por lo tanto, una forma de asegurar la privacidad. Pero, mientras que la privacidad se refiere exclusivamente a lo que nos pertenece, la secrecía se extiende a cualquier tipo de información que queramos ocultar, incluso aquella que daña a terceros. Desde esta perspectiva, el concepto de secrecía tiene una connotación en gran medida negativa y esta connotación oscurece la exigencia al derecho de la privacidad. "El que nada debe nada teme" reza el refrán popular convertido en artilugio legaloide, y nos vemos obligados a exponernos de manera abierta al mundo para garantizar que somos legítimos. La expansión de los servicios digitales y su adopción como un elemento cotidiano ha profundizado el conflicto entre la necesidad del aseguramiento de la confianza y el derecho a la privacidad, es decir, el conflicto entre poder identificar a las personas con las que tratamos, a través de información que de fe de que alguien es quien dice ser y el derecho de las personas a mantener esa información en privado. Identidad y confianza El aseguramiento de la confianza juega un papel central en el mundo digital actual. Desde el simple hecho de poder distinguir a un usuario del resto de los usuarios, a fin de ofrecerle los servicios específicos que requiere, hasta la necesidad de asegurarse de que el usuario es quien dice ser y no un estafador o, incluso, un robot malicioso. ¿Qué se entiende por identidad? Identidad es el conjunto de elementos que hace único a un individuo y que lo distingue del resto del mundo. En un primer plano, esta identidad incluye nuestros rasgos físicos; el color de piel, la estatura, el peso, nuestro nombre y apodo, etc. En el plano sicológico, estos elementos son la consciencia de sí mismo, el conjunto de vivencias que construye su biografía. En un plano más pragmático, es el conjunto de datos que sólo pueden pertenecer a un individuo en particular; los datos que lo identifican. De esta manera, el primer paso para reconocer la identidad de un usuario digital es su identificación. Esto es, el conjunto mínimo de datos con el que el usuario se presenta de forma exclusiva. Estos datos pueden ser su nombre oficial, un nombre de usuario o cualquier otro identificador (RFC, CURP, número de seguro social, número de expediente universitario, etc.). Sin embargo, para validar la identidad externada por el usuario se requiere contar con evidencias adicionales, es decir, hay que evaluar la autenticidad de su identificación. Tales evidencias pueden ser un conjunto más amplio de datos, como cuando se crea una cuenta de correo. Si se requiere un mayor grado de confianza, se pueden exigir datos secretos sólo conocidos por el usuario, como passwords y códigos de seguridad, e incluso captura de información biométrica: huellas digitales, imagen del rostro, huella genética, etc. Este proceso, que llamamos autenticación, es lo que realmente establece la confianza. Entonces, para que una persona de fe de su identidad, para que se haga merecedora de la confianza de su contraparte, debe exponerse, mostrar información sensible. La autenticación vulnera la privacidad del individuo. Privacidad La privacidad es la capacidad de un individuo o de un grupo de individuos de evitar ser observados en su persona, propiedades o información y, por lo tanto, expresarse ante otros de manera selectiva. La privacidad incluye no sólo los rasgos físicos, sino también aquellos aspectos ideológicos que decidimos reservar para nosotros y que revelamos a discreción; con quienes nosotros elegimos hacerlo. Cuando revelamos nuestros asuntos privados, ya sea accidental o intencionalmente, le damos al observador una idea más íntima de nuestra naturaleza. La privacidad puede referirse a un aspecto físico, de aislamiento, como bañarnos sin que nos observen, mantener cerrada la puerta de nuestra habitación o reunirnos con las personas que queramos. Pero también se refiere al derecho de proteger la la información que nos describe. La importancia de la protección de los datos se ha convertido en un motivo de gran preocupación para la gente, especialmente desde que empezamos a verter mucha de nuestra información en las redes sociales (incluyendo, por ejemplo, nuestra ubicación actual a través del GPS), pero también por el uso de correos electrónicos, registros digitales institucionales, datos de registro en plataformas online y hasta sensores biológicos. La privacidad como un derecho del individuo El aseguramiento de la privacidad es un derecho humano fundamental, quedando establecido como tal en 1948 en la Declaración Universal de Derechos Humanos (Artículo 12). El derecho a la privacidad también se recoge en otros acuerdos internacionales sobre derechos humanos, como los siguientes: Artículo 14 de la Convención internacional sobre la protección de los derechos de todos los trabajadores migratorios y de sus familiares; Artículo 16 de la Convención de las Naciones Unidas sobre los Derechos del Niño; Artículo 10 de la Carta Africana sobre los Derechos y el Bienestar del Niño; Artículo 11 de la Convención Americana sobre Derechos Humanos; Artículo 5 de la Declaración Americana de los Derechos y Deberes del Hombre; Artículo 21 de la Declaración de Derechos Humanos de la ASEAN; Artículo 17 de la Carta Árabe de Derechos Humanos; Artículo 8 del Convenio Europeo de Derechos Humanos. El derecho a la privacidad se establece también en la Constitución Política de los Estados Unidos Mexicanos que en su artículo 16, y particularmente en el Párrafo adicionado el 1° de junio de 2019. Identidad digital Se entiende por identidad digital, una instantánea de la identidad real de una persona, una empresa, un dispositivo, un automóvil o, en general, de una entidad, registrada en un medio electrónico. El objetivo de una identidad digital es tener una representación única de un individuo involucrado en una transacción en línea, pero no requiere identificar de manera única al sujeto en todos los posibles contextos digitales. Es posible (y, de hecho, muy frecuente) que un individuo tenga más de una identidad digital. En algunos casos, estas estas identidades digitales, o algunas de ellas, pueden no tener vínculo alguno con la identidad del individuo en el mundo real. Lo más obvio son los avatars, campeones o personajes en los videojuegos de rol. La identidad real incluye todas las características determinantes de una entidad, lo que hace que esa entidad sea distinguible de cualquier otra. Una identidad digital, por otro lado, consiste solo en aquellos elementos de la identidad real que son requeridos en un contexto determinado. Cada identidad digital es creada para un propósito específico y al tratarse de una colección de datos, tiene, a diferencia de la identidad real, un alcance temporal acotado: Mientras que María mantiene una identidad básicamente permanente (María siempre es María), sus identidades digitales pueden cambiar con relativa frecuencia, cuando cambian esos datos (dirección de correo electrónico, número de teléfono, cuenta bancaria, domicilio, etc.). El creciente uso diario de diferentes servicios en línea ha traído consigo surgimiento de un conjunto de problemas de seguridad nuevos como son el spam y el robo de identidad (phishing). Este nuevo contexto, agravado por la movilidad del usuario y el anonimato temporal de las interacciones electrónicas, ha generado nuevos requisitos en el manejo de la identidad digital. Hoy es necesario poder determinar la identidad de nuestros interlocutores, no tan sólo autenticarla, sino también evaluar la precisión de sus afirmaciones. La gestión de la identidad digital es un tema clave para garantizar no solo las expectativas de servicio y funcionalidad del usuario, sino también para garantizar la seguridad y la privacidad de él y de los demás usuarios en sistemas cada vez más complejos y poco estructurados, como las redes sociales. Por lo tanto, la gestión de identidad digital se vuelve cada vez más importante. Una de las características de la economía actual, la economía en la era de la información, es su sustento en grandes volúmenes de datos, es la economía basada en datos; datos que provienen en gran medida, de la actividad de los consumidores. Por otro lado, y contrario a lo que se deseaba en los inicios del internet, la Web se ha desarrollado bajo un esquema de alta centralización, con apenas un puñado de grandes corporaciones concentrando gran cantidad de datos de la humanidad, aún de aquellos que no tienen acceso a internet. Estas corporaciones, que recopilan los datos del consumidor y los utilizan para ofrecer publicidad y servicios personalizados a sus usuarios, vulneran la privacidad de los individuos y ponen en riesgo su capacidad de tomar decisiones libres. Adicionalmente, el usuario no tiene control sobre el uso que se dará a sus datos. Los sitios web almacenan esta información personal en sus servidores para determinar quiénes son sus usuarios, pero también tienen la capacidad y, en muchos casos, la libertad para transmitir estos datos a terceros sin el conocimiento "explícito" del usuario. Finalmente, el depositario de los datos suele no tener compromisos sólidos con sus usuarios para proteger esta información contra ataques criminales. Estos problemas de manejo de los datos del usuario por parte de organizaciones que ven el conjunto de datos como simple materia prima para la generación de oportunidades de negocio han acrecentado, en los últimos años, la preocupación por la privacidad. Los problemas de privacidad en el manejo de la identidad digital se deben a que el modelo técnico de Internet no contempla un mecanismo para dotar de identidad individual al usuario. El modelo de Internet actualmente en uso contempla cuatro capas. En la parte superior de la pila está la capa de aplicación. En esta capa coexisten todas las aplicaciones con que el usuario interacciona para el envío y la recepción de datos a través de internet, como pueden ser los clientes de correo electrónico, las aplicaciones de comunicaciones como Skype, Zoom, etc. o los navegadores Web. Las aplicaciones en esta capa utilizan un lenguaje común (o un conjunto de lenguajes comunes), determinados por la capa de aplicación, de manera que la información emitida por un cliente en un dispositivo puede ser interpretado debidamente por otro cliente en otro dispositivo. Cuando una aplicación tiene datos para enviar, los entrega a la capa de transporte, que tiene el trabajo de entregar los datos de manera confiable al otro extremo. La capa de transporte envía datos al otro extremo entregándolos a la capa de internet, que tiene el trabajo de dividir los datos en paquetes, cada uno con la dirección de destino correcta, de acuerdo a los protocolos de la red. Finalmente, los paquetes se entregan a la capa de enlace, que tiene la responsabilidad de entregar el paquete de un salto al siguiente router. Los datos avanzan, salto por salto, de un enrutador al siguiente, hasta que llegan al destino. Allí, los datos se pasan por las capas en sentido inverso, recodificando el mensaje, hasta que lo entregan a la aplicación destino. En este esquema no hay espacio para especificar al usuario. En su lugar, las identidades individuales son representadas por identificadores proporcionados por los proveedores de servicio en la Web, como un correo electrónico o una cuenta de redes sociales como. El problema con este esquema es que el identificador no es propiedad del usuario, sino del proveedor y es éste quien mantiene el control del identificador: el usuario no puede irse a otra red y llevarse su nombre de usuario, por ejemplo. Actualmente, se están proponiendo modificaciones a este modelo, de las cuales, la más importante proviene precisamente de blockchain a través de la plataforma Hyperledger Indy. Conclusiones: La autenticación de la identidad y el derecho a la privacidad son dos elementos que tradicionalmente se contraponen: para autenticar la identidad debemos mostrarnos, presentar evidencia de que somos quienes decimos ser y con ello renunciamos a nuestra privacidad. En la era actual, en la que las interacciones cara a cara se van reduciendo cada vez más, poder asegurar la confianza en nuestras contrapartes se vuelve crucial, pero por otro lado, la privacidad es un derecho individual garantizado por una gran variedad de legislaciones nacionales y acuerdos internacionales. La evolución del internet y las prestaciones que ofrece ha provocado, como un efecto colateral, que los usuarios hayan confiado a los grandes proveedores de servicios digitales, como redes sociales, plataformas de correo electrónico, sitios de comercio en línea, etc., una gran cantidad de datos privados, vulnerando la privacidad e incluso la capacidad de tomar decisiones autónomas. Esta situación hace que sea muy importante contar con mecanismos de manejo de la identidad digital en los que el usuario mantenga el control de sus datos. Es necesario encontrar opciones para asegurar la confianza en las interacciones digitales, a la vez que se mantiene y respeta el derecho a la privacidad.

El crecimiento del interés de la industria en las metodologías de inteligencia artificial ha venido acompañado de una formalización del proceso de desarrollo de soluciones. Este fenómeno es particularmente notable en el área de análisis inteligente de dato, destacándose las siguientes metodologías: KDD (Knowledge Discovery in Databases). Es una metodología general, formalizada principalmente por Usama Fayyad (investigador en Microsoft Research) y sus colaboradores, para describir el proceso de generación de conocimiento a partir de datos. CRISP-DM (Cross-Industry Standard Process for Data Mining). Esta metodología fue propuesta por un consorcio formado por las empresas Daimler Chrysler AG, SPSS Inc. y NCR Systems Engineering Copenhagen con el apoyo del banco OHRA Verzekeringen en Bank Groep B.V. A diferencia de KDD, CRISP-DM presta especial atención a la comprensión del negocio como directriz del proceso de minería de datos. TDSP (Team Data Science Process). Es una metodología para el desarrollo de proyectos de ciencias de datos propuesta por Microsoft en 2016. TDSP presenta gran semejanza con CRISP-DM pero, a diferencia de su antecesor, enfatiza y especifica diversos aspectos de implementación, incluyendo estructuras de archivos para los proyectos y organización del equipo de ciencia de datos. ASUM-DM (Analytics Solutions Unified Method for Data Mining) es una refinamiento y extensión de CRISP-DM propuesto por IBM en 2015 en torno a su herramienta IBM Analytics. A pesar de frecuentes críticas por sus limitaciones, particularmente en lo referente a la ausencia de una fase de toma de decisiones, y aún cuando no ha sido actualizada, CRISP-DM sigue siendo la metodología más reconocida, particularmente en la industria, para el manejo de proyectos de ciencia de datos. CRISP-DM ofrece un marco de referencia que permite planificar el desarrollo de un proyecto de ciencia de datos a partir de 6 fases: 1) Comprensión del negocio, 2) Comprensión de los datos, 3) Preparación de los datos, 4) Modelado, 5) Evaluación y 6) Despliegue (implementación/puesta en marcha). Comprensión del negocio La fase inicial de un proyecto de minería de datos (y similares) se enfoca en entender los objetivos y requerimientos del proyecto, desde la perspectiva del negocio: a) identificar las características del problema que se quiere resolver, b) identificar cuáles son las necesidades prioritarias que el cliente quiere satisfacer y c) cuáles son los costos que el cliente está dispuesto a pagar. El resultado de esta fase debe ser la definición de un problema en términos técnicos (un problema de minería de datos, por ejemplo) y un plan preliminar de cómo alcanzar los objetivos. Las actividades en esta fase con sus respectivos resultados esperados son: Establecimiento de los objetivos del negocio. El objetivo de este conjunto de actividades es conocer las características del cliente: ¿Cuáles son sus antecedentes? ¿Cuáles son sus objetivos de negocio? ¿Cuáles son los criterios de éxito del negocio? Evaluación de la situación. Con estas actividades se busca conocer la situación de la empresa para determinar su capacidad para explotar los datos con que cuenta. Entre las preguntas que hay que responder se encuentran las siguientes: ¿Cuáles son los términos más importantes para describir el negocio? ¿Con qué recursos humanos y materiales cuenta la empresa para completar el proyecto? ¿Qué tipos de datos están disponibles para el proyecto? ¿Cuáles son los principales factores de riesgo? ¿Cuáles son los planes de contingencia para cada factor de riesgo? ¿Cuáles son los potenciales costos y beneficios del proyecto? Establecimiento de los objetivos de la minería de datos. Establecimiento de los objetivos de la minería de datos. Aquí se busca determinar los objetivos del proyecto de minería de datos y los criterios que permiten evaluar el éxito del proyecto: ¿Qué se espera obtener con el proyecto?, ¿una nueva herramienta o servicio?, ¿información para planificación estratégica? ¿Cuáles son los KPIs? Generación del plan del proyecto. La fase de comprensión del negocio debe concretarse en una determinación de intervención (hasta este punto, ¿se considera viable la realización del proyecto?) y en caso de ser positiva, en un plan de cómo realizar las siguientes fases de intervención (recursos a utilizar, compromisos, indicadores de avances, etc.). Comprensión de los datosLa comprensión de los datos se refiere a familiarizarse con las características de los datos disponibles para el proyecto y de los requerimientos adicionales de datos. Es una actividad fundamental para el desarrollo del proyecto dado que ésta es la base de todas las actividades que se realizarán a continuación. Es por ello que, en ocasiones, será necesario regresar a analizar el negocio con el fin de comprender mejor los datos.Las actividades en esta fase, con sus respectivos resultados esperados son: Recolección inicial de datos. En este primer paso, se toman muestras de los datos disponibles y se identifica el alcance, así como posibles dificultades para su recolección y uso. Se distinguen los datos propios de la empresa de otros conjuntos de datos complementarios adquiridos y se identifican las fuentes adicionales de datos. Descripción de los datos. A continuación, se identifican las características generales de los datos, como son el número de variables disponibles, la cantidad de registros, la frecuencia de generación de cada variable, su identificación, el significado de cada campo y el formato inicial. El resultado más importante de este análisis preliminar es una determinación de si los datos disponibles son suficientes para alcanzar los objetivos de la minería de datos. Exploración de los datos. El objetivo de esta actividad es identificar la distribución general de los datos a través de pruebas estadísticas básicas y establecer hipótesis preliminares. Este análisis permite identificar la complejidad del problema y realizar una selección preliminar de técnicas a utilizar. Verificación de la calidad de los datos. En este paso se verifica la completitud de los datos. Se buscan los porcentajes de datos incompletos, valores fuera de rango o no típicos y variables equivalentes. Se definen estrategias generales para resolver los problemas identificados. Preparación de los datosLa fase de preparación de los datos incluye todas las actividades necesarias para generar el conjunto de datos final que se utilizará para alimentar los modelos, partiendo de los datos originales. Está ampliamente reconocido que esta suele ser la fase que consume más tiempo en un proyecto de ciencia de los datos.En esta fase se realizan las siguientes actividades: Selección de los datos. Aquí se busca escoger una porción del volumen total de datos preseleccionados que parezca representativa del problema de minería de datos. Por una parte, se realiza una selección de registros suficientemente amplia para cubrir todo el universo de objetos a analizar y, por otra parte, se seleccionan las características (variables) que mejor describen los diferentes objetos, tratando de tener la representación más rica posible y evitar, al mismo tiempo, variables que sean básicamente equivalentes. Es importante justificar y documentar las razones por las que diferentes subconjuntos de datos se van a incluir o excluir. Limpieza de los datos. Esta actividad, que es la que más tiempo y recursos consume, tiene el objeto de subsanar las deficiencias de los datos identificadas en la fase previa. Entre las principales tareas a realizar sobresale el tratamiento a datos con valores faltantes y el manejo de datos atípicos y/o inconsistentes. Estructuración de los datos. Esta actividad consiste en generar la estructura de los registros que se emplearán en el análisis, principalmente mediante la generación de nuevas variables que resulten más descriptivas de los datos y que ayuden a reducir la complejidad del espacio de representación. Integración de los datos. La integración de datos consiste en unir datos de diferentes fuentes en un sólo conjunto de datos. Puede tratarse de crear una tabla unificada a partir de diferentes tablas o de generar registros o columnas nuevas a partir de la agregación de datos de diferentes fuentes. Formateo de los datos. Esta actividad tiene el objeto de poner los datos en la forma en que serán procesados, típicamente mediante transformaciones que no alteran su significado. Entre las tareas más tareas más comunes de formateo de datos se encuentran el cambio de escala, la eliminación de caracteres especiales y el reordenamiento de columnas y renglones en datos tabulares. ModeladoEn esta fase se eligen y se prueban diversas técnicas de modelado, afinando sus parámetros para ajustarse a la dinámica representada por los datos. En el proceso, suele ocurrir que una técnica requiera datos no contemplados en las fases previas y sea necesario dar marcha atrás para rectificar la construcción del conjunto de datos. La elección de las técnicas a utilizar se realiza utilizando criterios técnicos (como la pertinencia de la técnica para el problema específico) y prácticos (como la disponibilidad de datos adecuados, el tiempo disponible para obtener un modelo o el conocimiento de la técnica por parte del equipo de desarrollo).Las actividades en esta fase, con sus respectivos resultados esperados son: Selección de las técnicas de modelado. En este paso, se eligen las técnicas de modelado que se emplearán. La selección depende de una serie de factores relativos al proyecto, entre los que destacan el grado de estructuración del problema y de los datos (¿existen modelos formales del sistema?, ¿Existen relaciones bien identificadas entre variables?, ¿se dispone de conocimiento experto?, ¿existen suficientes datos de observación?, ¿de qué tipo son los datos existentes?), los objetivos de la minería de datos, el dominio de técnicas por parte del equipo de desarrollo, restricciones legales y las preferencias del cliente. En cualquier caso, es muy común que se requiera el uso de diversas técnicas para la solución de un problema, particularmente si es un problema complejo. Generación del plan de pruebas. Una vez seleccionadas las técnicas de modelado, se debe crear un plan de cómo realizar la implementación del prototipo (lo que suele llamarse la "prueba de concepto"). Esta actividad incluye tareas como la selección de bibliotecas y herramientas, la implementación de las técnicas, definición de una estrategia de segmentación de datos para creación del modelo y para realización de pruebas y selección de medidas de evaluación. Construcción del modelo. A continuación, se construye el modelo (o conjunto de modelos, colaborativos o competidores). Se definen los parámetros de cada modelo, se hacen pruebas preliminares y se realizan ajustes al modelo. Aquí es importante destacar el carácter incierto típico en todo proyecto de minería de datos que obliga, frecuentemente a regresar a pasos previos, en este caso a la selección de modelos, definición de parámetros e incluso, a la fase de preparación de los datos. El resultado debe ser un modelo afinado, adecuado al problema. Evaluación del modelo. Finalmente, se evalúa el modelo, haciendo pruebas con los datos reservados para ello, se realiza un reporte de los niveles de precisión/error, tiempos de respuesta, potenciales puntos críticos y cualquier otra información que sea relevante para la implementación final del sistema. Evaluación El resultado esperado de la fase de modelado es un modelo o un conjunto de modelos con un buen desempeño desde un punto de vista de los datos; es decir, un conjunto de modelos capaces de "explicar" el comportamiento de los datos. En la fase de evaluación se analiza la pertinencia de los modelos desarrollados en relación con los objetivos del negocio.Las actividades por realizar en esta fase son: Evaluación de los resultados. En esta fase se evalúan los resultados que arrojan los modelos desarrollados y se comparan tales resultados con los objetivos de negocio. Se identifican objetivos del negocio que pudieran no estar resueltos y que pudieran requerir incluir nuevas herramientas e incluso, se analiza la posibilidad de ampliar los objetivos de negocio con resultados emergentes del modelado. Revisión del proceso. Aquí se realiza una revisión de todo el proceso seguido hasta el momento, desde la comprensión del negocio, se realizan los ajustes necesarios en cada etapa yt se presentan propuestas de como mejorar todo el proceso. Determinación de los pasos siguientes. En este paso se plantean las opciones a seguir, que pueden ir desde abandonar el proyecto (si los resultados obtenidos hasta el momento prevén un impacto no rentable en el negocio), regresar a la fase inicial, replantear y corregir los pasos necesarios o preceder a la implementación. Despliegue Una vez realizado el modelado del problema y obtenidos resultados satisfactorios, es necesario transformar el modelo obtenido en un producto. Este producto puede ser un nuevo sistema de información para la toma de decisiones, una herramienta para detección de determinados comportamientos de interés en los datos que genera la empresa o una ampliación del conocimiento de la empresa que conduzca a nuevos procedimientos.Esta fase contempla las siguientes actividades: Planificación de la implementación. Este paso es determinante para lograr que la implementación se integre adecuadamente y con la menor perturbación posible al sistema actual. Deben definirse como se extenderán los sistemas actuales para incorporar los nuevos resultados, como se modificarán los procedimientos de acuerdo a la nueva información de negocios, cómo se desarrollarán los recursos humanos necesarios para la implementación de los cambios. Planificación del control y del mantenimiento. Además de planificar la implementación, hay que planificar los procedimientos de control y mantenimiento que permitan darle seguimiento a los resultados que se espera obtener, particularmente en lo que se refiere a rentabilidad y estabilidad. Generación de un informe final. El paso final del proyecto es elaborar un reporte final, que incluya la documentación técnica del proyecto, manuales de usuario y casos de uso. Adicionalmente, deben generarse un reporte ejecutivo que resuma los resultados del proyecto y cualquier otro apoyo para la presentación final ante el cliente. Revisión del proyecto. Adicionalmente, en esta fase se elabora también un reporte anecdótico acerca del desarrollo del proyecto, que facilite el desarrollo de posteriores proyectos de innovación. Conclusiones El interés de la industria por las metodologías de aprendizaje automático (y reconocimiento de patrones, por lo tanto), se debe a la promesa de mejorar la productividad de las empresas. Este interés genera oportunidades de negocio, opciones de empleo bien pagadas, vinculación industria-universidad, desarrollo regional. Para poder aprovechar estas oportunidades, es importante establecer un plan de acción sistemático, basado en una buena comprensión de lo que el cliente busca. La metodología CRISP-DM permite mantener la atención puesta a todos los aspectos importantes para asegurar el éxito de un proyecto de minería de datos, por lo qué, de manera explícita o implícita, es conveniente tenerlo como guía. CRISP-DM es la metodología de facto en la industria para el desarrollo de proyectos de minería de datos. Esta metodología hace énfasis en garantizar que las soluciones planteadas se integren adecuadamente al negocio y le generen valor. En próximas entradas de este blog presentaremos ejemplos de la utilización de las diferentes fases de Crisp-DM a proyectos de Ciencias de Datos.

El término de ”Economía 4.0” no es un término ampliamente utilizado y menos aún un término universalmente aceptado. En muchos sentidos se asocia con el término más generalizado de “Economía digital”. Sin embargo, es muy atractivo comparar los cambios que están ocurriendo en economía, con los cambios en la llamada Industria 4.0, que es un término mucho mejor aceptado. Industria 4.0 La industria 4.0 se refiere al siguiente paso en la automatización de sistemas, en el que tecnologías como el Internet de las cosas y el Aprendizaje automático, permiten trasladar la toma de decisiones a sistemas computarizados. Por supuesto, el objetivo principal de la industria 4.0 no es la eliminación del elemento humano en la realización de tareas, sino el aprovechamiento de la capacidad que tienen los sistemas de aprendizaje automático y de cómputo ubicuo para procesar grandes volúmenes de datos complejos virtualmente en tiempo real y la capacidad para identificar patrones y responder de manera oportuna a una gran variedad de situaciones: la operación basada en reglas lógicas objetivas. Sin embargo, esta automatización extrema de las actividades hechas hasta ahora por humanos, cambia las reglas del juego de la economía y, en particular, las formas de participación del ser humano en la producción industrial. Economía 4.0 Las tecnologías de automatización también se han venido aplicando a otras áreas de la economía, hacia áreas más financieras, en lo que típicamente se conoce como Economías digitales. Entendemos por economía digital el conjunto de aquellas formas de economía basadas en el uso de las nuevas tecnologías de la información y la comunicación, particularmente las tecnologías digitales. Aunque el contexto es más amplio, usualmente se percibe la economía digital como una actividad comercial a través de mercados basados en Internet y la World Wide Web, por lo que en muchos casos se le denomina Economía de Internet o Economía Web. La economía digital es un buen ejemplo de cómo la automatización inteligente, característica de la industria 4.0, puede mejorar las oportunidades de la gente, lejos de excluirla. De hecho, una de las principales características de las economías digitales es su carácter colaborativo, razón por la que muchas veces recibe ese nombre (economía colaborativa). Economía centrada en el consumidor La economía 4.0 engloba una serie de formas de experiencia centradas en el consumidor; se desbloquea el acceso al valor y a la subsecuente generación de riqueza, empoderando a los usuarios finales (empresas e individuos). Así mismo, esta nueva economía maximiza los activos subutilizados (tanto tangibles como intangibles) mediante la creación de mercados globales de confianza, respaldado por grandes cantidades de datos. Además, conecta la capacidad inactiva con la demanda, prioriza el acceso sobre la propiedad, ofrece formas colaborativas de consumo e impulsa conexiones emocionales con la experiencia del consumidor. Existen muchas aproximaciones, aquí las principales de ellas, identificadas por Marsh (una empresa de análisis de riesgos). En muchos casos estas formas de economía se traslapan e, incluso, algunos de estos términos son nombres alternativos a la Economía 4.0: Economía de intercambio Economía bajo demanda La economía colaborativa Economía digital Economía entre iguales Economía de acceso Economía de reputación Economía de confianza Economía Gig o de trabajos esporádicos/pequeños La economía del consumidor La economía de experiencias Economías basadas en conocimiento Las economías digitales se caracterizan por un uso intensivo y extensivo de las tecnologías de la información y son, por lo tanto, una forma particular y un resultado de la economía basada en conocimiento. El término de Economía del Conocimiento parece haber sido acuñado en 1962 por Fritz Machlup y popularizado a partir de un trabajo de Peter Drucker de 1969. Sin embargo, no fue hasta finales de los 90’s que el término alcanzó la popularidad que tiene ahora. No obstante, la popularidad del término en los años recientes, no existe un acuerdo acerca de una definición formal de lo que es la economía basada en conocimiento. Las acepciones van de la importancia del conocimiento para mejorar la competitividad de una empresa a la venta propiamente de conocimiento. Sin embargo, el uso del conocimiento en la generación de riqueza económica ha sido una constante en la actividad humana a lo largo de toda la historia, por lo cual resulta difícil, a veces, encontrar la razón para resaltar el surgimiento de una economía basada en conocimiento. De acuerdo con la OECD, se entiende por economías basadas en conocimiento aquellas “que están directamente basadas en la producción, distribución y uso de conocimiento e información”. Cabría resaltar, entonces, como una característica primordial de la economía basada en conocimiento la importancia relativa que se da a la generación del conocimiento. A pesar del gran interés que ha generado, la economía basada en conocimiento suele plantearse como si se tratara de un simple cambio de giro de las empresas actuales: en vez de concentrarnos en producir y vender bienes tangibles, comerciamos con conocimiento. Esta es, sin embargo, una manera muy limitada de ver este nuevo orden económico: los cambios que actualmente se observan en las formas de generar riqueza apuntan a cambios más profundos que la aparición de nuevos bienes que intercambiar en un mercado industrial más nuevo pero operando bajo las mismas reglas del libre mercado. Desde cierta perspectiva, y de acuerdo a una concepción marxista (revisionista, quizás) de la evolución de la sociedad, esta nueva forma de economía representaría un nuevo modo de producción que está cambiando no sólo los bienes de intercambio, sino los propios medios y relaciones de producción y el rol de los actores principales. Apéndice: Errores comunes al hablar de Marxismo. Comunismo no es lo mismo que Socialismo. Marxismo no es lo mismo que Comunismo y no hay ninguna relación con Socialismo. El "fracaso" de los regímenes socialistas no implica fallas en la teoría marxista de la sociedad. El "fracaso" de los países socialistas no es del todo cierto, ni siquiera en el caso de los estados Marxista-Leninistas (5 países): China es la segunda economía más grande en el mundo y pudiera estarse convirtiendo en la mayor economía actualmente; Cuba ha alcanzado niveles sobresalientes en educación y salud y Vietnam y Laos son dos de los países con mayor crecimiento sostenido. El quinto país en este bloque es Corea del Norte. Asociar a Marx o al marxismo con los abusos a derechos humanos en los países del ex-bloque socialista, es como asociar a Jesús (de Nazareth) y a la fe católica con la pederastia en la iglesia. El marxismo no representa un atraque a la propiedad privada. al contrario, plantea una defensa (posiblemente idealista) de la propiedad privada obtenida mediante el esfuerzo propio. Economía, sociedad y modos de producción El materialismo histórico es un buen marco conceptual para explicar el desarrollo de la sociedad (y recordemos que una teoría, un marco conceptual, no es otra cosa que un apoyo mental, una construcción artificial que nos permite comprender la realidad, y en ese sentido, el marxismo ha probado seguir siendo una herramienta completamente válida). En la obra, "La ideología alemana", Marx y Engels introducen el concepto de modo de producción, a partir de ideas planteadas por Adam Smith alrededor de 70 años antes. El modelo de modo de producción desarrollado por Marx (con la colaboración de Federico Engels) plantea una relación dialéctica entre dos componentes que determinan la actividad en una sociedad: la base material de la existencia humana, a lo que denominan estructura, y el universo ideológico a lo que llaman superestructura. Ambas estructuras se relacionan, justificándose una a otra y tratando de mantener un equilibrio. Cuando este delicado equilibrio se rompe, ocurre una transformación de la sociedad que da origen a un nuevo modo de producción, con cambios en todos los ámbitos de la sociedad, tanto en la base material, como en el espacio ideológico. La base material es la componente central de un modo de producción, y esta base material determina el conjunto de elementos que conforman la ideología, es decir, la conciencia del hombre y es moldeada por esa misma esfera ideológica. Estructura El modo de producción consta de dos elementos principales: las fuerzas de producción, que consiste en los elementos que producen los bienes, y las relaciones de producción, que establecen las reglas del juego. A su vez, las fuerzas de producción incluyen a los medios de producción, que son las herramientas, maquinarias , métodos e insumos para la producción y la fuerza de trabajo, que es la mano de obra humana. “Por fuerza de trabajo o capacidad de trabajo entendemos el conjunto de las facultades físicas y mentales que existen en la corporeidad, en la personalidad viva de un ser humano y que él pone en movimiento cuando produce valores de uso de cualquier índole…” y que “… en virtud de su puesta en actividad… gasta una cantidad determinada de músculo, nervio, cerebro, etc., humanos, que es necesario reponer”. La forma en que se relacionan la propiedad de los de los medios de producción con la fuerza de trabajo determina un modo específico de producción y el conflicto entre quienes posen los medios de producción y quienes poseen la fuerza de trabajo da origen a la famosa lucha de clases. Así, en el capitalismo, los medios de producción pertenecen al capitalista, al dueño de una empresa, y el trabajador sólo es dueño de su fuerza de trabajo; nunca de los medios de producción y por eso tiene que depender del capitalista para integrarse al medio productivo y participar, de esa manera, de la generación de riqueza, que es controlada por el dueño de los medios de producción. Cada que ocurre un cambio significativo en el equilibrio de estas dos fuerzas sobreviene un cambio en el modo de producción. Marx esperaba que la lucha de clases en la fase capitalista diera origen al socialismo como siguiente etapa, como el siguiente modo de producción y en este, el trabajador fuera copropietario social de los medios de producción, algo que nunca ocurrió, al menos no al 100%. Y el protagonista de este sueño marxista, era el proletario, el trabajador de clase baja, considerado como igual en función de su calidad humana y no de sus habilidades productivas. Superestructura La superestructura por otra parte, incluye todos los elementos ideológicos que determinan la moral de una sociedad: Cultura, religión, sistema legal, etc. Estas componentes se ajustan para consolidar y justificar las prácticas del modo de producción imperante. Así, por ejemplo, en el modo de producción esclavista, la práctica de la esclavitud estaba plenamente justificada por el sistema económico, era legal e incluso tenía una justificación religiosa: los negros, hijos de Caín, no tenían alma y otras poblaciones autóctonas (como los indígenas mezoamericanos) debían ser evangelizados para darles acceso al cielo cristiano. El modo de producción basado en el conocimiento Con la economía del conocimiento surge una situación interesante, particularmente en el área de tecnologías de la información, pero que se ha ido expandiendo a otras áreas: En este nuevo orden económico la principal “herramienta” y el principal producto del trabajo es el conocimiento especializado del trabajador. El costo de otras herramientas es simbólico; una computadora tiene una vida media de 4 años y un costo de uno a 3 meses de salario de un desarrollador. Las bibliotecas y otras herramientas son desde gratuitas hasta, típicamente menos de un mes de salario, incluso una impresora 3D, que permite expandir esta independencia del trabajador intelectual a áreas fuera de la informática, tienen costos muy por abajo del salario. En la economía del conocimiento, fuerza de trabajo y medios de producción (la parte más importante de ellos) pertenecen a la misma persona, lo cual ha venido modificando las relaciones de producción y lo hemos venido observando en el surgimiento de las nuevas fortunas. De esta manera, más que pensar en un refinamiento del modelo económico tradicional, podemos visualizar en la economía del conocimiento, el surgimiento de un nuevo modo de producción, no considerado por Marx (y es que en sus tiempos, esta eventualidad no era evidente) en el que la generación de riqueza empieza a depender menos de las clases sociales (afectando, por supuesto, a la movilidad social, que es parte de la superestructura) y generando una distribución de riqueza más democrática. Y el contexto se pone más interesante con el surgimiento de blockchain. Al establecer nuevas formas de manejo de la confianza, nuevas formas de hacer negocios, blockchain tiene el potencial para modificar de forma aún más radical las relaciones de producción e incluso afectar directamente a la superestructura. Blockchain resulta ser, entonces, algo que va mucho más allá de la plataforma para el manejo de criptomonedas para empezar a jugar un papel preponderante en la nueva economía, y por ende en la superestructura social. 0xΩ !!! Oh! Y si, blockchain tiene qué opinar en la religión, o en la organización de las iglesias. Economía colaborativa La economía colaborativa es una tendencia en la forma de hacer negocios que se ha venido desarrollando al margen de blockchain, explotando la fortaleza del internet, pero que puede verse muy fortalecida por el manejo de confianza que ofrece blockchain. En una economía colaborativa los consumidores establecen relaciones unos con otros, en lugar de confiar en grandes empresas para satisfacer sus deseos y necesidades. Las economías colaborativas consisten en dar, intercambiar, pedir prestado, comerciar, alquilar y compartir productos y servicios a cambio de una tarifa, entre una persona que tiene algo y una persona que lo necesita, generalmente con la ayuda de un intermediario basado en la web. Una economía colaborativa también puede conocerse como una "economía de intercambio", o una "economía de igual a igual". En una economía colaborativa, los proveedores de cualquier tamaño pueden competir y colaborar para satisfacer las necesidades de cualquier cliente. Las formas de economía colaborativa han mostrado un potencial y un interés por la gente, que los organismos reguladores empiezan a tratan de controlar, y un gran ejemplo de ello es la nueva Ley Fintech en México (un tema que abordaremos en el tercer módulo). Las dos formas principales de economía colaborativa son el crowdfunding y los sitios de comercio en línea. Conclusiones: La Economía 4.0 es una nueva aproximación a las relaciones de negocios centradas en el consumidor, con una apertura global y en el que el manejo de la confianza y el uso de tecnologías avanzadas de información juegan un papel central. En este contexto, blockchain ofrece la capacidad de asegurar la confianza entre participantes de una economía descentralizada. Esta nueva forma de economía introduce cambios que bien pueden visualizarse como una transformación cualitativa, no sólo gradual de la interacción en sociedad.

La ciencia de datos es un nuevo campo interdisciplinario cuyo objetivo es analizar y desarrollar explicaciones de fenómenos complejos a partir del análisis de los datos generados por eventos particulares. La ciencia de datos se relaciona con otras disciplinas para el tratamiento y comprensión de datos, entre las que destacan las siguientes: La estadística, una disciplina matemática que se ocupa de la recopilación, organización, análisis, interpretación y presentación de datos para una mejor comprensión de la naturaleza. Como tal, su agenda principal consiste en inferir, a partir de ese estudio, reglas generales o conceptos que pueden aplicarse a observaciones nuevas o desconocidas. La inteligencia artificial, una disciplina que tiene el objeto de desarrollar métodos de solución de problemas que, por sus mecanismos complejos de deducción, suelen compararse con los mecanismos utilizados por los seres vivos, particularmente el ser humano. El reconocimiento de patrones, una de las disciplinas de las ciencias de la computación, relacionada con el análisis inteligente de datos. Su objetivo es la identificación de patrones o regularidades en los datos disponibles en un determinado contexto. El reconocimiento de patrones utiliza elementos de estadística, gramáticas formales y metáforas con la naturaleza para desarrollar sus métodos propios. El aprendizaje automático, una disciplina orientada a desarrollar métodos que les permitan a las máquinas construir modelos analíticos a partir de datos. Como tal, puede considerarse una rama de la inteligencia artificial, basada en el reconocimiento de patrones, o como un área del reconocimiento de patrones basada en un enfoque de inteligencia artificial. La minería de datos, una disciplina cuyo objetivo es descubrir patrones en conjuntos de datos complejos. La complejidad puede deberse a su volumen (espacial o de velocidad de generación) o a su falta de estructura. Para ello, se vale de métodos especializados de reconocimiento de patrones, provenientes lo mismo del aprendizaje automático que de la estadística, además de técnicas especializadas para manejo de bases de datos. Si bien, la ciencia de datos está vinculada con estas disciplinas y su interrelación con todas ellas se vuelve cada vez más estrecha y compleja, es importante distinguir su naturaleza como una disciplina con una agenda propia, que se nutre de otras disciplinas como la ingeniería de software y la gestión. A diferencia de otras disciplinas, la finalidad principal de la ciencia de datos es generar información útil para la toma de decisiones en problemas específicos, por lo cual se adoptan métodos provenientes de cualquier disciplina que aporte fortaleza a la solución, con un punto de vista dinámico y flexible. Data science suele representarse como la integración de cuatro grandes áreas: Informática (aprendizaje automático, ingeniería de software de software, bases de datos, programación, etc.), Matemáticas (incluyendo estadística, matemáticas discretas, cálculo, etc.), Conocimiento del domino (conocimiento del área de la que se quiere resolver un problema; finanzas, medicina, administración, agricultura, etc.) y Habilidades blandas (manejo de grupos de trabajo interdisciplinarios, relación con el cliente, habilidades de comunicación, etc.). Visto así, el "científico de datos" es, obviamente, un unicornio, del que se habla mucho pero que solo existe en la fantasía. Sin embargo, la creación de equipos multidisciplinarios, con expertos en cada una de las áreas (y solo en el área correspondiente) para resolver problemas de ciencia de datos también es una fantasía. La ciencia de datos requiere de equipos transdisciplinares; esto es, el científico de datos es aquel profesionista de cualquiera de estas áreas que se siente cómodo "invadiendo" las otras áreas: matemáticos, por ejemplo, con habilidades avanzadas de programación, con suficientes habilidades blandas para interaccionar con clientes y con equipos de trabajo multidisciplinarios y capaces de comprender y dominar, en el grado necesario, los conocimientos de cada dominio específico en el que participa. De esta manera, se crean perfiles diferentes de científicos de datos. Estos perfiles no son fantasiosos, al contrario, son perfiles que corresponden con características ya identificadas en los profesionistas jóvenes, aquellos pertenecientes a la generación "Y", también conocida como generación del milenio, milénica o millenial. Por supuesto, este perfil también se encuentra en generaciones previas (un gran ejemplo, quizás el mejor, sería Leonarda Da Vinci), pero con menor frecuencia. No obstante, la plasticidad del científico de datos para analizar y resolver problemas desde diferentes perspectivas sigue siendo una característica relativamente poco común pero cada vez más necesaria. No en vano, esta disciplina ha sido calificada como la más sexi del siglo XXI; en 2012, Davenport y Patil escribían : En posteriores entradas de este Blog, analizaremos diferentes aspectos y técnicas de la ciencia de datos, con el objeto de que cada vez sean más los especialistas en esta área.

Así es, investigar por su lado (que a fin de cuentas la capacidad de aprendizaje autodidacta es característica de una sociedad 4.0) y participar en ambientes como Bi5son

@Sofia Molina Una buena recopilación del avance en LegalTech. Hay que mencionar que el surgimiento de la tecnología de contratos inteligentes hace viable estandarizar, descentralizar y automatizar los procesos de impartición de justicia y de aseguramiento de la confianza (lo cual reduciría la necesidad de procedimientos judiciales). El grado de madurez que ha alcanzado la inteligencia artificial permite actualmente, entre otras actividades, realizar procesos eficientes de minería de datos sobre archivos históricos, pudiendo, por ejemplo, hacer jurisprudencia automática (si me permites el término). En fin, definitivamente creo que las LegalTech deberán ser una parte importante del andamiaje para el desarrollo de la Sociedad 4.0.

Dicho de una manera muy general y desde una perspectiva técnica, podemos decir que blockchain (o cadena de bloques, en español) es una tecnología informática que ofrece 3 grandes prestaciones unificadas: Blockchain facilita que las transacciones entre actores sociales, tanto organizaciones como particulares, se documenten digitalmente, sin la intervención de intermediarios. Blockchain facilita que esas transacciones se autentiquen, es decir, permite que se verifique que esas transacciones realmente ocurrieron y que son, por lo tanto, legítimas. Blockchain facilita que las transacciones se inmortalicen, es decir, ofrece una garantía de que la documentación sobre una transacción no será modificada jamás. Se entiende también por blockchain, una implementación específica de la tecnología, de manera que podemos hablar, por ejemplo, de la blockchain de Bitcoin o la blokchain de Ethereum. Sin embargo, antes de abordar los aspectos técnicos de su funcionamiento, vale la pena analizar el significado de esta tecnología desde otras perspectivas. Blockchain es un puntal de la nueva economía Ante todo, y debido a la forma en que surge y a su uso actual predominante, podemos definir blockchain como el puntal de la nueva economía. Blockchain es lo que se conoce como una innovación arquitectónica, es decir, una plataforma que pretende cambiar completamente la estructura de los procesos en un área de actividad específica, en este caso en particular, el área de negocios. La aparición de las criptomonedas, que es lo que da vida inicial a blockcahain, está trastocando las formas de manejar el dinero y, particularmente la manera de realizar intercambio. Las criptomonedas ofrecen grandes beneficios, en comparación con el dinero tradicional, que han ayudado a disparar la adopción masiva de la tecnología blockchain. Entre estas características importantes resaltan la seguridad, la velocidad de las transacciones, particularmente en operaciones transfronterizas, las tarifas mínimas de transacción, la facilidad de almacenamiento y la "relevancia en la era digital". De hecho, después de que esta tecnología empezara, con Bitcoin y otras muchas criptomonedas descentralizadas, viviendo al margen del sistema bancario corporativo, hoy los bancos mismos y sistemas financieros completos (incluyendo bancos centrales) están volteando a ver hacia la tecnología blockchain como una plataforma ventajosa, en muchos casos con desarrollos en proceso o incluso en el mercado, como la moneda de JP Morgan (JPM coin) o la XRP de Ripple e incluso el e-Krona, del Banco Central de Suecia que acaba de entrar en su tercera fase de prueba, el Yuan digital de China que se está moviendo de forma acelarada y otras iniciativas entre las que destaca el proyecto de Cambodia iniciado en 2017. Sin embargo, el alcance de blockchain en el área económica va más allá del ámbito de las criptomonedas. Blockchain promete resolver dos de los problemas fundamentales de Internet: el hecho de que la información se puede copiar sin esfuerzo, lo que la devalúa, y la pérdida de confianza que resulta cuando las relaciones económicas migran al ciberespacio. Gracias a estos dos aspectos, blockchain representa un salto radical en el desarrollo de la economía digital. Blockchain es una innovación radical / disruptiva Es muy frecuente escuchar que blockchain es calificada como una tecnología disruptiva y con ello se entiende (coloquialmente) que es una tecnología que replantea radicalmente las formas de hacer las cosas. Sin embargo, desde un punto de vista formal es discutible si blockchain es realmente una tecnología o una innovación disruptiva. Una innovación disruptiva es aquella que permite a una pequeña empresa con recursos limitados, como una start-up, desafiar con éxito a una empresa predominante, más grande y bien establecida o inventar mercados completamente nuevos o que se encuentran desatendidos por los grandes jugadores en la industria. Partiendo de esta definición, se ha cuestionado si, formalmente, puede considerarse a blockchain como una innovación disruptiva. Hasta el momento, el principal uso de blockchain, las criptomonedas, atienden un mercado ya existente y atendido, el mercado de dinero y la nueva propuesta, aún se encuentra lejos de desplazar al dinero convencional y, más aún, a la banca tradicional. Sin embargo, en lo que si hay un amplio consenso es en que si se trata de una innovación radical, que no viene a reforzar la tecnología actual, sino que la vuelve obsoleta. También hay cierta aceptación de que blockchain puede convertirse en una tecnología fundacional, capaz de generar innovaciones disruptivas y cuya implementación llevaría a una reorganización de los modelos de negocios de cualquier industria y sus actores, así como de otras actividades actuales. Blockchain es una tecnología de propósito general Bien, esta declaración es más un acto de fe. Existe un amplio consenso en la comunidad blockchain de que esta tecnología está llamada a convertirse en muy poco tiempo, en lo que se conoce como una tecnología de propósito general. ¿Qué se entiende por tecnología de propósito general? “Tecnología de propósito general“ es un término que se ha venido utilizando recientemente (1995) para describir el papel de la tecnología en el crecimiento económico. Las Tecnologías de Propósito General (GPT) son aquellas tecnologías capaces de transformar desde la vida familiar hasta las formas en que las empresas hacen negocios. Tecnologías como el ferrocarril, la electricidad y el internet son ejemplos de tecnologías clasificadas como GPT. Para que una tecnología sea clasificada como de propósito general, debe cumplir al menos 3 características fundamentales: Deben ser pervasivas, es decir, deben caracterizarse por realizar alguna función genérica que es vital para el funcionamiento de un gran número de sectores y actividades, ya sean existentes o potenciales. Deben ser capaces de generar un dinamismo tecnológico que haga que la tecnología mejore con el tiempo y reduzca los costos de los usuarios. Deben generar complementariedades innovadoras con los sectores de aplicación, en el sentido de que los avances técnicos en la GPT hacen que sea más rentable para sus usuarios innovar, y viceversa. Pero ¿Cuántas tecnologías caracterizadas como de propósito general existen? Actualmente se reconocen tan sólo 26 tecnologías de propósito general, desde la domesticación de plantas en el neolítico temprano hasta los máximos avances tecnológicos al día de hoy. Durante los últimos 20 años se han establecido 3 nuevas tecnologías de propósito general y se espera que blockchain pase a formar parte de esta lista de tecnologías capaces de transformar la vida de los humanos. Aunque no existe un consenso ni en la utilidad de destacar estas tecnologías en particular, ni en las tecnologías específicas que se integran en el listado (algunos autores destacan la ausencia de la telefonía o del software, por ejemplo) el enfoque de las GPT ofrecen un marco de referencia bastante aceptado Tiene blockchain realmente posibilidades de convertirse en una gpt? Hay mucha gente que dice que no. Es muy común encontrar publicaciones afirmando, por ejemplo, que la única aplicación real de Blockchain es el uso de cryptomonedas y, a decir verdad, esta afirmación no carece de fundamentos. Bitcoin sigue siendo, al día de hoy, la aplicación más conocida y, para muchos, la más importante de la tecnología blockchain. De hecho, aunque el origen de la tecnología blockchain puede establecerse a principios de los 90’s, no fue hasta el 2009, con el lanzamiento de Bitcoin, que se hace una implementación viable. Y fue hasta el 2014 que el término “blockchain” se empezó a utilizar. Durante sus primeros 5 años de vida asociados a bitcoin, esta tecnología era solo la base de la criptomoneda; en el whitepaper “Bitcoin: A Peer-to-Peer Electronic Cash System” escrito por el fantasmal Satoshi Nakamoto, documento con el que nace bitcoin, apenas una vez se menciona el término “chain of blocks” como una simplificación del término “proof-of-work chain” (mencionado 3 veces) que a su vez simplifica el término “chain of hash-based proof-of-work”. Por otro lado, mientras que actualmente existen más de 10,000 proyectos de criptomonedas, los proyectos no relacionados a criptomoneda como objetivo central, constituyen apenas un puñado. Blockchain es una tecnología democratizadora La innovación tecnológica ha sido siempre el principal impulsor del crecimiento económico a largo plazo y el ritmo al que están ocurriendo las innovaciones en diferentes áreas de la ciencia y la tecnología nunca había sido más acelerada como en los últimos 80 años. Por lo tanto, no es sorprendente que un número creciente de expertos en desarrollo hayan centrado su energía en explorar cómo las nuevas tecnologías digitales podrían usarse para reducir la pobreza y mejorar la vida de los pobres. La idea de que la innovación puede ayudar no solo a reducir la pobreza a bajo costo sino también a mejorar el funcionamiento de los sectores público y privado tiene un atractivo obvio, particularmente en un mundo donde los presupuestos de las agencias de ayuda al desarrollo están bajo una presión creciente. La tecnología blockchain está ayudando a democratizar la forma en que almacenamos los datos, la forma en que demostramos la propiedad y la forma en que creamos relaciones de confianza verificables. En la cadena de bloques, la confianza se establece, no por intermediarios poderosos como bancos, gobiernos y compañías de tecnología, sino a través de una colaboración masiva y un código inteligente. Blockchain es la moda Y por si lo anterior no fuera suficiente, blockchain es la moda. Blockchain es una de las tecnologías de mayor interés para las empresas (aquí, por ejemplo, se encuentran las 10 tendencias tecnológicas más importantes del 2019, según la empresa Gartner), siendo una de ellas blockchain, que además tendrá un gran impacto en otras de estas 10 áreas como el aseguramiento de la privacidad, el desarrollo de gemelos digitales, la ciencia de datos, los espacios inteligentes y la computación periférica. Pero, un poco al margen de la importancia que realmente tendrá la tecnología blockchain, es un hecho que la gran mayoría de las empresas están volteando a buscar soluciones relacionadas con la tecnología de moda. La preocupación de perderse de algo importante, que en el caso extremo ha generado su propio nombre como un síndrome de los tiempos actuales, el fomo…, está provocando una gran demanda de expertos en el tema, por lo que, actualmente, es importante estar enterados de esta tecnología. El blockchain se ha convertido en uno de los temas más populares en tecnología informática de los últimos años, junto con el renacido interés por la inteligencia artificial, el internet de las cosas, la realidad aumentada y la computación cuántica. Blockchain como habilidad profesional deseable Blockchain ha venido llamando la atención cada vez más, tanto en la industria como en el sector público. Sin lugar a duda, una razón de gran peso para aprender esta nueva tecnología es la ventaja competitiva que nos ofrece en el plano profesional. De acuerdo al informe "Las habilidades físicas y sociales más demandadas de 2020", publicado por LinkedIn a inicios de año, blockchain se coloca como la habilidad dura más requerida por las empresas en el 2020, apareciendo de repente en estos informes (blockchain no apareció en los informes publicados en 2016-2019) para superar a disciplinas como cómputo en la nube y ciencia de datos, que habían venido reinando en este rubro en los últimos años. Aunque la pandemia de Covid-19 vino a modificar las expectativas de las empresas y sus planes de desarrollo (en los que la innovación pasa, provisionalmente a un segundo plano), aprender blockchain sigue luciendo como una muy buena apuesta. Evolución de la blockchain Aunque al hablar de blockchain se le suele identificar con el uso de criptomondas, actualmente se distinguen tres fases diferentes, tres generaciones de la tecnología que definen de diferente manera qué es blockchain: La primera generación se refiere a la fase de desarrollo de la plataforma tecnológica subyacente (los métodos generales, como el proceso de minería, los métodos de consenso y las estrategias criptográficas), así como la emisión de monedas digitales y otros tokens, que representan una reserva de valor y proporcionan valor al protocolo en sí. Blockchain en esta fase se limita a ofrecer una plataforma para el manejo de criptomonedas. El concepto de economía digital no es nuevo y sus aplicaciones se han difundido ampliamente, al grado de convertirse en parte de la vida diaria actual. Sin embargo, con la llegada de blockchain se espera que reciba un impulso definitivo. Blockchain 2.0 se refiere a la amplia gama de aplicaciones económicas y financieras que existen más allá de simples pagos, transferencias y transacciones. Dichas aplicaciones incluyen instrumentos bancarios tradicionales como préstamos e hipotecas, instrumentos complejos del mercado financiero como acciones, bonos, futuros, opciones y derivados, así como instrumentos legales como títulos, contratos y otros activos y propiedades que pueden monetizarse. Blockchain, en esta fase, se extiende para ofrecer un entorno financiero completo para el desarrollo de nuevas formas de economía. Blockchain 3.0 se refiere a una amplia gama de aplicaciones que no involucran dinero, monedas, comercio, mercados financieros u otra actividad económica. Dichas aplicaciones incluyen soluciones para el arte, la salud, la ciencia, el manejo de identidad, implementración de práctias de gobernanza, educación, manejo de bienes públicos y otros muy diversos aspectos de la cultura y la comunicación. Actualmente, se ve a la tecnología blockchain como base del concepto escurridizo de ciudad inteligente, integrada con otras tecnologías emergentes como la IA y el IoT. Entre las aplicaciones más interesantes en esta esfera se encuentran el concepto de identidad auto soberana y el manejo de reputación. En esta fase, blockchain se define como una plataforma para aseguramiento de la confianza en un contexto descentralizado. Conclusiones: Blockchain es la tecnología de moda y se empieza a convertir en la disciplina “más sexi”, la disicplina en la que las empresas se están interesando cada vez más y, al margen de la duda que surgen sobre su vigencia (algo que sólo el tiempo podrá validar), al momento de hoy, aprender blockchain luce como una muy buena apuesta.

Hola. El objetivo de este círculo es promover la difusión del conocimiento de una tecnología que tienen todo el aspecto de que se convertirá en un motor importante del desarrollo económico y social en los próximos años, comparable apenas con un puñado de tecnologías (26 en los últimos 12,000 años): La tecnología blockchain (y similares). ¿Acerca de mí? Soy un entusiasta de las tecnología emergentes. Por ello (y porque más sabe el diablo por viejo) me ha tocado ver el surgimiento (y participar en la difusión y el desarrollo de soluciones) de tecnologías como el internet, las aplicaciones móviles, la ciencia de datos y ahora la tecnología blockchain. ¿Mi interés en este grupo? Promover un conocimiento amplio y profundo de esta nueva tecnología, más allá (pero sin olvidarlo) de las operaciones y análisis del mercado de criptomonedas. Actualmente imparto en la Universidad de Sonora el curso "Fundamentos de la Tecnología Blockchain"; un curso formal de 4 horas a la semana (semestral), que me propongo compartir a través de este círculo en bi5son. Mis generales: rsotocc@gmail.com - 662-298-1544 - https://www.linkedin.com/in/ramon-soto-c/