Ganador de GRAILS 2025

DAIRE

Proyecto Final

  • Patricia Amaro
  • Mela Gómez Mogollón
  • Netta Tzin
  •  MDRAI 24

DAIRE.GG es una plataforma estratégica de inteligencia y educación diseñada para democratizar el acceso a los recursos críticos que sustentan el desarrollo de la IA generativa. Al mapear la infraestructura interconectada, que abarca desde datos y capacidad de procesamiento hasta minerales, talento y conectividad, DAIRE visibiliza las estructuras ocultas que configuran los ecosistemas globales de IA.

Este proyecto ganó la segunda edición de la Liga Global de Inteligencia Artificial Responsable para Estudiantes (GRAILS), organizada por la Universidad de Ciencias Aplicadas de Róterdam. Equipos de Dinamarca, Rumanía, Ucrania, España y Países Bajos colaboraron en soluciones de IA responsable que abordan los Objetivos de Desarrollo Sostenible de las Naciones Unidas.

A través de dos herramientas integradas, el Mapa Génesis y la Brújula DAIRE, el proyecto empodera a gobiernos, empresas y sociedad civil con información accesible y práctica para fomentar la participación equitativa en la revolución de la IA y reducir las desigualdades globales.

Cómo lo logramos

Comenzamos identificando las crecientes desigualdades generadas por el crecimiento concentrado de las capacidades de IA en unas pocas regiones poderosas. Ante la necesidad de un acceso más amplio al conocimiento y la estrategia, creamos una herramienta que proporciona un acceso simple, claro y fácil a información actualizada sobre la dinámica de poder de las fuentes utilizadas para crear modelos de IA y cómo las utilizan a nivel mundial. Al desbloquear los datos agrupados y mapeados, nuestras herramientas buscan democratizar la IA a través de la educación y la transparencia de los datos.



Tras una investigación exhaustiva, creamos un marco que extraerá los datos de fuentes confiables en un proceso recurrente, incluyendo un mecanismo de validación humana, mapeará los datos según las claves que definimos y los mostrará en nuestras herramientas interactivas y fáciles de usar para que la información compleja sea accesible a un público global diverso, independientemente de su ubicación geográfica o experiencia técnica.

author/s

Patricia Amaro

Barcelona ES

MDRAI 25

Mela Gómez Mogollón

Barcelona ES

MDRAI 25

Netta Tzin

Tel Aviv IL

MDRAI 25

Tutor/xs

Andres Colmenares

Más proyectos

Empirical Lab for Critical AI Literacy

Proyecto final

  • Tatiana Pilnik
  •  MDRAI 24