A todos los que navegamos por Internet nos resultan sumamente familiares los captchas. Se trata de esas pequeñas pruebas en las que debemos demostrar que somos humanos y no un bot malintencionado: seleccionar imágenes donde aparece un autobús o un tractor, colocar una pieza de puzle en su hueco correspondiente, o simplemente marcar la casilla de verificación. Aunque existen varios proveedores, el gigante indiscutible de estos acertijos es Google. En los últimos meses, los focos mediáticos y regulatorios han apuntado directamente hacia la compañía a raíz de un tuit viral y de un cambio estratégico en sus condiciones de servicio.

Del tuit viral a las sospechas de privacidad

La mecha prendió en redes sociales con publicaciones que detallaban cómo Google presuntamente aprovechaba los datos generados al resolver los captchas para entrenar sus sistemas de IA. Por ejemplo, al pedirnos identificar autobuses en una cuadrícula de fotos, los usuarios estamos etiquetando imágenes de forma precisa para que el software aprenda a reconocerlas. Una utilidad directa para proyectos como Waymo, la filial de coches autónomos de Alphabet.

Esta tesis lleva años circulando en foros especializados, alimentada por los recelos de agencias de privacidad europeas, como la CNIL francesa o la autoridad bávara en Alemania, que cuestionaban la verdadera finalidad y la transparencia en el tratamiento de los datos recolectados.

El combustible perfecto para la visión artificial

Dado el valor colosal de los datos en la era actual, ¿tiene sentido técnico aprovechar los captchas? Expertos como Karina Gibert, catedrática de la UPC, señalan que gran parte de estos desafíos visuales están vinculados al tráfico, obstáculos y señales de circulación, elementos cruciales para que un vehículo autónomo interprete correctamente su entorno.

  • Etiquetado supervisado: Millones de humanos validan imágenes borrosas o con lluvia, enseñando al algoritmo a gestionar excepciones complejas.
  • Bases de datos de alta calidad: Se entrena la capacidad de reconocimiento bajo cualquier ángulo, clima o condición lumínica.
  • El activo más codiciado: Mientras las librerías de código y tutoriales se regalan, el verdadero monopolio de la IA radica en poseer bases de datos masivas y controladas.

Evolución histórica: De los libros antiguos a las dudas actuales

En los años 2000, el guatemalteco Luis von Ahn creó reCAPTCHA con un propósito transparente: proteger webs y, de paso, digitalizar libros antiguos mediante palabras que los usuarios descifraban al resolver los retos. Tras adquirir el servicio en 2009, Google lo expandió y reconoció abiertamente durante años el lema “Detén a un bot, construye un bot”, admitiendo que usaba las imágenes etiquetadas para machine learning.

Sin embargo, la compañía sostiene que con la llegada de reCAPTCHA v3 en 2018 dejó de emplear desafíos visuales para entrenar modelos. Pese a ello, persisten zonas grises: versiones antiguas siguen operativas en miles de webs, y las condiciones de las cuentas gratuitas han dejado abiertas puertas interpretativas sobre el uso de la información para mejorar servicios o desarrollar otros nuevos.

"Para entrenar un sistema de visión por computador necesitas datos etiquetados de altísima calidad. Con los captchas, Google generó una mina de oro constante e inagotable."

El reciente cambio de rol de Google

Para añadir más leña al fuego, recientemente Google modificó oficialmente su rol en reCAPTCHA, pasando de ser controlador de datos a actuar meramente como procesador. Esto significa que ya no puede decidir unilateralmente qué hacer con la información, delegando esa responsabilidad competencial en las páginas web que instalan el servicio. Una maniobra legal que reabre el debate sobre la responsabilidad del tratamiento de datos en la red.