September 15, 2025 • 26 mins
Bienvenidos a un viaje fascinante por el campo de batalla legal donde se define quién posee el poder de predecir el futuro. La tecnología predictiva ya no es solo matemática avanzada; se ha convertido en el tesoro corporativo más preciado del siglo XXI, defendido ferozmente en tribunales de todo el mundo bajo leyes de secretos comerciales.
Descubrimos cómo House Canary obtuvo más de 600 millones de dólares cuando Amrock intentó apropiarse de sus algoritmos de valuación inmobiliaria, estableciendo un precedente monumental para la protección de modelos predictivos. Te llevamos hasta China, donde decisiones revolucionarias del Tribunal Supremo Popular han extendido la protección legal hasta los "pesos entrenados" de la inteligencia artificial, reconociendo que el verdadero valor no está en el código base sino en esos parámetros ajustados tras costosos procesos de entrenamiento.
Exploramos batallas legales sorprendentes en sectores que van desde el comercio electrónico hasta el diseño industrial, revelando que la protección de algoritmos predictivos trasciende industrias. ¿Qué sucede cuando un científico de datos se lleva sus conocimientos a una empresa rival? El caso Zillow contra Compass nos muestra la delicada línea entre experiencia profesional y apropiación de secretos comerciales.
Las lecciones son claras: los modelos predictivos son ahora activos corporativos legalmente protegibles; el verdadero valor está en los detalles internos del algoritmo; los empleados representan el eslabón más vulnerable en la cadena de protección; y los tribunales globales están convergiendo hacia un reconocimiento unificado del valor de la predicción como propiedad intelectual.
¿Te interesa saber cómo proteger tus algoritmos o qué límites existen al cambiar de empresa? Suscríbete ahora para explorar juntos la frontera donde la tecnología, los negocios y la ley colisionan en la batalla por el futuro de la predicción.
Mark as Played
Transcript
Episode Transcript
Available transcripts are automatically generated. Complete accuracy is not guaranteed.
Speaker 1 (00:00):
Cientos de millones otorgados por un algoritmo de
vivienda, decenas de millonespor un motor de predicción
raspado de la web, un rivalacusado de robar la fórmula
secreta detrás de lasvaluaciones de casas.
Los modelos predictivos ya noson solo matemáticas, son
bóvedas cerradas de secretoscomerciales Y el tribunal se ha
(00:22):
convertido en el campo debatalla comerciales y el
tribunal se ha convertido en elcampo de batalla.
Speaker 2 (00:34):
Estás escuchando a Intangiblia, el podcast de
Intangible Law, hablando clarosobre propiedad intelectual.
Démosle la bienvenida a su host, leticia.
Speaker 3 (00:39):
Caminero, estás escuchando Intangiblia, el
podcast donde desciframos lasreglas invisibles detrás de la
innovación.
Yo soy Leticia, caminero, tuanfitriona.
Speaker 1 (00:52):
Y yo soy Artemisa, tu co-anfitriona sin pelos en la
lengua.
Hoy vamos a hablar de modelospredictivos, algoritmos que no
solo analizan datos, tambiénintentan predecir el futuro, o
al menos lo intenten.
Speaker 3 (01:07):
La tecnología predictiva mueve de todo, desde
la tasación de bienes raíceshasta las predicciones de moda,
seguros y mercadeo.
Pero cuando las empresas peleanpor ella, los argumentos
legales suelen girar en torno ala confidencialidad, la
propiedad y la propiedadintelectual.
girar en torno a laconfidencialidad, la propiedad y
la propiedad intelectual.
Speaker 1 (01:25):
En palabras simples los tribunales están decidiendo.
Speaker 3 (01:28):
Quién puede decir esa predicción es mía Y, antes de
empezar, una nota rápida.
Artemisa es una coanfitriona deinteligencia artificial y mi
voz fue clonada con tecnologíade IA para este episodio.
Este podcast es solo para finesinformativos y de conversación.
No constituye asesoría legal.
Speaker 1 (01:51):
Traducción Yo pongo la chispa, ella trae la ley, y
ninguna de las dos es tu abogada.
¿qué cuenta exactamente comosecreto comercial?
Fácil, es como la versión legalde la receta de la abuela
valiosa, confidencial y guardadabajo llave.
La diferencia es que, en vez desopa, hablamos de algoritmos,
(02:14):
flujos de datos y modelospredictivos.
Speaker 3 (02:17):
Legalmente tiene tres ingredientes Tiene que ser
valioso, tiene que ser secreto ytienes que hacer un esfuerzo
real para mantenerlo en secreto.
Si dejas la receta pegada en lanevera de la oficina, no cuenta
.
Speaker 1 (02:31):
Exacto Los secretos comerciales viven en servidores
cerrados, código encriptado ycontratos de confidencialidad
tan gruesos que parecenantibalas.
¿Pierdes la confidencialidad,pierdes la protección.
Speaker 3 (02:48):
Nuestra primera parada nos lleva a una startup
inmobiliaria llamada HouseCanary, que se enfrentó a Amrock
, una de las compañías detasación y títulos más grandes,
en el centro de la disputa.
Algoritmos que predicen elvalor de las propiedades.
Speaker 1 (03:05):
House Canary creó modelos de evaluación
automatizada, AUMs, capaces deprocesar enormes cantidades de
datos y pronosticar cuántodebería valer una casa.
Speaker 3 (03:23):
Ambrock quería a sus herramientas predictivas
propietarias.
Pero pronto la relación seagrió.
Ambroke acusó a House Canary deno cumplir con lo prometido.
House Canary respondió queAmbroke no era solo un mal
cliente, estaba robando su salsasecreta.
Speaker 1 (03:41):
Y por salsa secreta nos referimos a secretos
comerciales, los algoritmos, losmodelos, los flujos de datos,
todo el truco detrás del telónque hace que esas predicciones
funcionen.
House Canary afirmó que Ambrocky sus socios estaban
apropiándose indebidamente deesos secretos para construir un
(04:02):
sistema copión.
Speaker 3 (04:03):
El caso llegó a juicio.
Un jurado escuchó durantesemanas testimonios sobre código
, datos y valuaciones materialnada fácil para una sala de
tribunal, Pero el veredictoestuvo lejos de ser aburrido.
House Canary ganó más de 600millones de dólares en
indemnización, uno de los fallosmás grandes por secretos
(04:25):
comerciales en la historia deEstados Unidos.
Speaker 1 (04:29):
El jurado no solo se puso del lado de House Canary,
también envió un mensaje Sitratas tus algoritmos
predictivos como joyas de lacorona competitiva, la ley
podría respaldarte.
Speaker 3 (04:43):
Claro, la historia no terminó ahí.
Vinieron las apelaciones, lasdudas sobre si la indemnización
era excesiva y si las pruebaseran tan sólidas como creyó el
jurado.
Pero House Canary v Ambrock seconvirtió en un caso de
referencia, la prueba de que losmodelos predictivos pueden
litigar y valorarse comosecretos comerciales.
Speaker 1 (05:06):
Y, siendo honestos, le dio a cada startup un poco
más de actitud, como diciendooye, ¿tu código predice precios
de vivienda, ¿eso podría valercientos de millones en un
tribunal Si alguien intentarobártelo.
Speaker 3 (05:21):
Nuestro próximo caso nos lleva a China, donde el
Tribunal Supremo Popular emitióen 2025 un fallo histórico.
La pregunta ¿los parámetrosinternos de una inteligencia
artificial, los pesos entrenados, pueden protegerse como
secretos comerciales?
Speaker 1 (05:37):
En otras palabras, es como preguntar ¿los números
dentro de la caja negra son solomatemáticas o son las joyas de
la corona de una empresa?
Speaker 3 (05:47):
Una compañía acusó a un competidor de haber hecho un
uso indebido de sus modelosentrenados de inteligencia
artificial.
No hablamos del código en sí,sino de los parámetros, esos
millones de valores que seajustan cuando una IA aprende de
los datos, esos millones devalores que se ajustan cuando
una IA aprende de los datos.
Hasta ese momento, lostribunales solían proteger el
(06:08):
código, pero los pesosentrenados eran una zona gris
legal.
Speaker 1 (06:19):
Y el Supremo Chino no dudó, declaró sí los pesos
entrenados son secretoscomerciales protegibles, lo que
significa que si entrenas unainteligencia artificial para
pronosticar mercados bursátiles,predecir la fuga de clientes o
detectar riesgos de seguros,esos parámetros entrenados en sí
mismos están legalmenteblindados.
Speaker 3 (06:35):
Es un gran cambio, porque extiende la protección de
secretos comerciales hasta lasentrañas de la IA.
Ya, no se trata solo deproteger código o datos.
Ahora el resultado entrenadotambién puede quedar cerrado con
llave.
Speaker 1 (06:50):
Y seamos claros ahí es donde está el valor.
Entrenar un modelo requierecantidades absurdas de tiempo,
dinero y datos.
Una vez entrenado, esos pesosson como un atajo hacia la
inteligencia.
Una vez entrenado, esos pesosson como un atajo hacia la
inteligencia.
Si un competidor los roba, seha saltado años de trabajo.
Los tribunales chinosbásicamente dijeron no, eso no
(07:12):
se hace.
Speaker 3 (07:13):
Este fallo también envía una señal sobre cómo las
jurisdicciones compiten poradaptar la ley de propiedad
intelectual a la inteligenciaartificial.
En muchos países todavía noestá resuelto si los pesos
pueden protegerse directamentecomo secretos comerciales.
Este caso confirma que sí, sonactivos protegibles.
Speaker 1 (07:33):
Y no es solo una nota al pie legal.
Imagina lo que significa paraempresas que entrenan
inteligencia artificialpredictiva en salud, finanzas o
logística.
Su ventaja competitiva ya noestá solo en los datos o el
código, Está literalmenteincrustada en esos miles de
millones de parámetros.
Y en China los tribunalesacaban de darles un escudo legal
(07:55):
.
Speaker 3 (07:56):
Quizá deberíamos hacer una pausa.
¿Qué son exactamente esos pesosde los que hablamos?
En pocas palabras, los pesosson como las perillas dentro de
un modelo de IA.
Cada vez que el sistema seentrena, digamos para predecir
precios de vivienda opronosticar ventas, ajusta esas
(08:16):
perillas en función de los datosque recibe.
Speaker 1 (08:19):
Piensa en una consola gigante de sonido.
en un concierto, cada perillacontrola cómo se escucha la
música.
Entrenar una IA es básicamentegirar miles de millones de esas
perillas hasta que la cancióndel modelo suena bien.
En términos técnicos, esasperillas son los pesos.
Speaker 3 (08:39):
Y ahí es donde está el valor.
El código en bruto paraconstruir una red neuronal ya no
es nada especial.
Cualquiera puede descargarframeworks de código abierto.
La magia ocurre en elentrenamiento.
Una vez que la inteligenciaartificial ajusta esos miles de
millones de pesos, el modeloaprende a predecir.
Speaker 1 (08:59):
Así que, cuando el Tribunal Supremo Popular de
China dijo que los pesos podíanser secretos comerciales, no
estaba protegiendo el plano dela consola sino su configuración
exacta la versión afinada querealmente funciona, Y para las
empresas que construyentecnología predictiva, ese
modelo afinado suele valer muchomás que el código en sí.
Speaker 3 (09:20):
Por eso este fallo generó tanto ruido en el mundo
legal y tecnológico.
Sigamos en China para otro casoque muestra hasta dónde pueden
llegar las empresas paraproteger sus herramientas
predictivas.
Esta vez fue Alibaba, elgigante detrás de Taobao Itmal,
contra una firma más pequeñallamada Xiaowangshen era a
(09:52):
presión de datos decomportamiento del consumidor
¿Quién compra qué, cuándo y porqué.
Speaker 1 (09:57):
Alibaba tenía una herramienta llamada Business
Advisor capaz de procesar esosdatos para predecir tendencias
pronosticar ventas y guiar a loscomerciantes.
Speaker 3 (10:03):
Xiao Wangshen pensó que podía saltarse la parte
difícil.
Supuestamente raspó lasplataformas de Alibaba e intentó
reconstruir las prediccionespor su cuenta.
Para Alibaba, eso no era solomala conducta, era robo de
secretos comerciales y eltribunal estuvo de acuerdo En
una gran victoria para Alibaba.
Speaker 1 (10:24):
los jueces dictaminaron que no se trataba
de simples datos de comercioelectrónico.
Cuando esos datos se procesan yestructuran en herramientas
predictivas, son un secretocomercial protegido.
Xiao Wang Shen fue condenado apagar más de 30 millones de
renminbi en daños.
Speaker 3 (10:43):
Lo que hace tan importante este caso es la
manera en que el tribunal loenmarcó.
Reconoció que los sistemas demercadeo predictivo, los
algoritmos y conjuntos de datosque permiten a una plataforma
anticipar lo que querrán losconsumidores, son algo más que
simple know-how empresarial.
Son activos legalmenteprotegibles.
Speaker 1 (11:05):
Y, seamos sinceros, esa decisión suena como música
para los oídos de cada gigantede la economía de plataformas,
porque si tus competidores nopueden raspar, clonar y revender
tu motor predictivo,básicamente has blindado tu
ventaja.
Speaker 3 (11:21):
También marca un contraste con otras
jurisdicciones donde los casosde scraping suelen girar en
torno al derecho de autor o alderecho contractual.
Aquí el tribunal chino locolocó directamente en la caja
de la protección de secretoscomerciales.
Speaker 1 (11:37):
Lo que significa que Alibaba no solo retuvo sus datos
, conservó su poder predictivo,y eso, en el siglo XXI, equivale
a quedarse con la corona.
Speaker 2 (11:50):
Estás escuchando a Intangiblia el podcast de
Intangible Law, hablando clarosobre propiedad intelectual.
Speaker 3 (11:59):
No todas las batallas sobre predicción ocurren en
industrias glamorosas como lamoda o el comercio electrónico.
A veces la pelea es pormaquinaria industrial, en este
caso compresores.
Speaker 1 (12:10):
Sí compresores, el tipo de equipos que mantienen en
marcha plantas químicas,refinerías y centrales
eléctricas.
Shen Group, una empresa chinade peso, había desarrollado un
software de diseño predictivopara álabes de compresor
algoritmos capaces de prever lasmejores opciones de diseño para
lograr eficiencia.
Speaker 3 (12:32):
Dos empleados de Shen se marcharon para fundar su
propia empresa, shenyangMachinery.
Y qué coincidencia su nuevosoftware de repente se parecía
demasiado al de Shen.
La compañía alegó que susalgoritmos propietarios y bases
de datos de modelos habíansalido por la puerta junto con
El tribunal no lo vio comocoincidencia.
Speaker 1 (12:54):
Concluyó que los ex empleados habían malversado
secretos comerciales de Shen,específicamente el software de
selección predictiva y la basede datos de modelos de Alaves¿
Daños Unos 25 millones derenminbi?
¿Daños Unos 25 millones derenminbi.
(13:14):
Este caso recuerda que laanalítica predictiva no se trata
sólo de comportamiento delconsumidor.
Está incrustada en el diseñoindustrial, la manufactura y la
ingeniería.
En cualquier lugar dondeexistan datos y decisiones que
optimizar, los algoritmospredictivos se convierten en
activos valiosos y en posiblessecretos comerciales.
Speaker 3 (13:32):
Y aquí viene lo divertido Un caso de compresores
.
Quizá no aparezca en laspáginas de moda, pero legalmente
es enorme, porque si puedesproteger modelos predictivos en
el diseño industrial, puedesprotegerlos en casi cualquier
campo.
Speaker 1 (13:46):
Exacto El fallo marcó un precedente.
Campo Exacto El fallo marcó unprecedente.
El software técnico y las basesde datos usados para modelado
predictivo son protegibles comosecretos comerciales, incluso en
sectores lejos del ojo público.
Speaker 3 (14:00):
En otras palabras, ya sea para predecir el próximo
zapato de moda o el siguientediseño óptimo de un álabe, la
ley está lista para tratar tusalgoritmos como tesoros.
Speaker 1 (14:11):
Nos movemos ahora a Boston, donde la disputa toca
algo mucho más cercano a la vidacotidiana.
el seguro de salud Milliman,una de las firmas actuariales
más grandes del mundo,desarrolló algoritmos para
desidentificar datos depacientes y usarlos en modelos
predictivos de riesgo en seguros.
Speaker 3 (14:36):
En traducción.
su software podía eliminarnombres e identificadores de los
historiales médicos y luegoprocesar los datos restantes
para predecir quién podríanecesitar atención, cuánto
costaría y cómo las aseguradorasdeberían fijar precios.
Magia financiera para laindustria del seguro magia
financiera para la industria delseguro.
Speaker 1 (14:54):
Varios empleados de Milliman se marcharon y fundaron
un competidor Gradient.
AI Milliman los acusó dehaberse llevado no solo
conocimientos, sino también suspatentes y algoritmos
propietarios paradesidentificación y predicción
de riesgos.
Speaker 3 (15:13):
Lo picante es que este caso combina dos mundos
patentes y secretos comerciales.
Milliman dijo tenemos patentessobre cómo funciona esto y
también ustedes robaron laspartes confidenciales que no se
publicaron.
Doble golpe.
Speaker 1 (15:23):
La demanda alegaba que Gradient construyó sus
herramientas predictivas sobrelos métodos de desidentificación
de Milliman mientras usabadatos confidenciales de clientes
de Milliman.
Speaker 3 (15:34):
Gradient lo negó, por supuesto, diciendo que había
desarrollado su propiatecnología Hasta ahora el caso
sigue abierto en un tribunalfederal de Massachusetts, Pero
plantea una gran pregunta parala analítica predictiva ¿Cómo
proteges la línea entre lo quese publica en una patente y lo
que se guarda como secretocomercial?
Speaker 1 (15:54):
Porque una vez que patentas un método, la
divulgación es pública.
Lo que no divulgues, como losflujos de datos ajustados o la
configuración de los modelos,debe protegerse como secreto
comercial.
La estrategia de Millimanmuestra cómo las empresas usan
ambas herramientas en conjunto yes un ejemplo perfecto de por
(16:15):
qué los modelos de saludpredictiva son tan valiosos.
Speaker 3 (16:19):
Quien posee la propiedad intelectual no sólo
posee un software, posee elpoder de pronosticar miles de
millones en costos de salud.
Nuestro siguiente caso vuelveal sector inmobiliario, esta vez
en Estados Unidos.
Si alguna vez has navegado porZillow, seguramente viste el
Zestimate, un modelo predictivoque arroja valores de casas en
(16:42):
segundos.
Para muchos propietarios es unarelación de amor y odio, para
Zillow es un activo preciado yaparentemente uno digno de ser
robado.
Speaker 1 (16:52):
aparentemente uno digno de ser robado, Según
Zillow.
uno de sus directores senior deaprendizaje automático dejó la
compañía y se unió a Compass,una correduría rival en rápido
crecimiento.
Zillow afirma que no solo sellevó su perfil de LinkedIn, se
llevó también los modelospredictivos de Zillow.
Speaker 3 (17:10):
La demanda alegó apropiación indebida de secretos
comerciales, algoritmos quealimentan el Sestimate,
herramientas de personalizacióncomo Claim Your Home y otras
funciones predictivas quemantenían enganchados a los
usuarios.
Speaker 1 (17:27):
Compass?
por supuesto lo negó.
Speaker 3 (17:30):
Argumentó que el empleado usó conocimientos
generales, no código ni datospropietarios de Washington, pero
(17:50):
pone de relieve una grantensión.
Los modelos predictivos sonfáciles de describir en términos
generales, pero el verdaderovalor está en los pesos, el
código y los flujos de datos, yesos pueden salir caminando por
la puerta junto con losempleados.
Speaker 1 (18:06):
Por eso las empresas protegen a sus equipos de
predicción como si fueran FortKnox.
Pierdes a tu científico dedatos principal y de repente tu
competidor tiene una ventajainterna.
Zillow claramente decidió queel riesgo era demasiado alto
como para ignorarlo.
Speaker 3 (18:25):
Este caso también destaca cómo los tribunales
actúan como árbitros en eldebate.
Conocimiento del empleadoversus secreto comercial.
La innovación se alimenta de lamovilidad laboral, pero las
compañías luchan por mantenerbajo llave las partes más
valiosas de la predicción.
Speaker 1 (18:43):
Así que el SESTIMATE ya no se trata solo del valor de
tu casa, se trata de cuántovalor le da la ley a los modelos
predictivos en sí.
Speaker 3 (18:53):
Ahora del sector inmobiliario al fintech.
Este caso, en Florida, trata desistemas de pago predictivo
software capaz de pronosticar,procesar y liquidar facturas de
alcohol en 24 horas.
Para mayoristas y minoristas,recortar tiempo en los pagos
puede significar un gran aliviode caja.
Speaker 1 (19:11):
FinTech, la empresa detrás de ese sistema, acusó a
su rival iControl de haberseacercado demasiado a su salsa
secreta.
Speaker 3 (19:20):
Según la demanda, icontrol contrató a ex empleados
de FinTech que supuestamentetrajeron consigo conocimientos
confidenciales sobre el softwarepredictivo de procesamiento de
facturas, el corazón del casoera si ese software, su
estructura, sus algoritmospredictivos calificaba como
secreto comercial y si iControlobtuvo unaado secretos
(19:42):
comerciales y otorgó daños.
Speaker 1 (19:55):
Unos 2,7 millones de dólares en daños reales, más 3
millones en daños punitivos.
No es el mayor fallo que hemosvisto, pero sí un golpe sólido.
Speaker 3 (20:06):
Este caso recuerda cómo suele desarrollarse el
derecho de secretos comercialesen los tribunales.
La tecnología no tiene que serglamorosa.
Speaker 1 (20:23):
Y muestra la otra cara de la analítica predictiva.
No se trata solo de modelos deIA y aprendizaje automático de
punta.
A veces es la predicciónpráctica de quién paga qué y
cuándo, Y en el mundo de losnegocios eso puede ser tan
valioso como predecir precios decasas o tendencias de moda.
Speaker 3 (20:45):
En resumen, el jurado reconoció que el software
financiero predictivo no es sólouna herramienta empresarial, es
propiedad intelectual quemerece protección.
Speaker 1 (20:55):
Nuestro siguiente caso está recién salido del
horno.
Cure AIS, una startup de salud,desarrolló un software diseñado
para ayudar a proveedores agestionar la facturación de
Medicare y Medicaid conanalítica predictiva,
automatizando el cumplimiento,pronosticando costos y
(21:15):
agilizando reembolsos.
Speaker 3 (21:18):
Suena como un salvavidas para hospitales
ahogados en papeleo, pero segúnQAIS Epic Systems, el gigante de
los historiales clínicoselectrónicos, no era solo un
competidor, era un presuntoimitador.
Speaker 1 (21:33):
La demanda afirma que Epic presionó a clientes,
malversó el software y los datosconfidenciales de Curais y los
usó para expandir sus propiasherramientas predictivas.
Curais lo planteó como unesquema de múltiples frentes
competencia desleal, más robo desecretos comerciales.
Speaker 3 (21:52):
Epic, claro está, lo negó.
Pero seamos honestos, ladinámica de poder aquí es
fascinante.
Cure AIS es una startup pequeña, epic es un gigante.
Este caso pone a prueba si laley de secretos comerciales
puede realmente equilibrar elterreno de juego.
Speaker 1 (22:10):
Y todavía sigue pendiente en un tribunal federal
de California, sin jurado, sindaños aún.
Pero las apuestas son altas,porque toca no sólo el software
predictivo en salud, sinotambién el acceso a los datos.
¿Quién controla laspredicciones derivadas de los
historiales de pacientes?
¿El innovador ágil o el gigantede la plataforma?
Speaker 3 (22:32):
Y, más allá del tribunal, envía una señal.
Si eres una startup queconstruye herramientas
predictivas, tu código y tusdatos de clientes pueden ser tu
única armadura frente a lasombra de Big Tech.
Si esa armadura resiste o nodependerá de cómo traten los
tribunales los secretoscomerciales.
Speaker 1 (22:52):
CURE y SB EPIC todavía se está desarrollando,
pero ya se perfila como un casode estudio sobre cómo la ley de
secretos comerciales se cruzacon la innovación y la
competencia en la tecnologíapredictiva de salud.
Speaker 3 (23:07):
Entonces, ¿qué aprendemos de estos casos?
Que la analítica predictivaestá en todas partes, desde el
mercado inmobiliario hasta lasalud, pasando por la moda y el
fintech.
Y cuando la tecnología esvaliosa, las empresas no solo la
resguardan, la defienden en lostribunales.
Speaker 1 (23:25):
Los secretos comerciales son el arma
preferida.
Olvida las patentes llamativaso las batallas de copyright.
La verdadera acción está enalgoritmos cerrados, bases de
datos confidenciales y modelosafinados.
Los tribunales de todo el mundolos están tratando como activos
protegibles.
Speaker 3 (23:45):
Y eso nos deja cuatro grandes lecciones.
Speaker 1 (23:48):
Uno la predicción es poder y propiedad.
Los modelos predictivos no sonsolo herramientas.
Son activos corporativostratados como propiedad
intelectual en la ley desecretos comerciales.
Speaker 3 (24:02):
Segundo, el secreto está en los detalles, Desde los
pesos de modelos en China hastael Sestimate de Zillow.
El valor está en las entrañasafinadas del algoritmo.
Eso es lo que los tribunalesbuscan proteger 3.
Speaker 1 (24:17):
Los empleados son el eslabón débil.
La mayoría de disputas empiezacuando el personal se mueve,
llevándose conocimientos, códigoo datos.
Los tribunales deben separar laexperiencia general del
verdadero secreto comercial 4.
Speaker 3 (24:34):
Las tendencias globales convergen.
Ya sea en Texas, Pekín oBruselas, los tribunales
enfrentan.
Recuerda.
Speaker 1 (24:41):
Esa predicción puede estar sellada en código, marcada
como secreto comercial ydefendida en un tribunal como si
(25:02):
fuera oro.
Speaker 3 (25:04):
Y con eso cerramos el episodio de hoy de Intangiblia.
Gracias por escuchar.
Speaker 1 (25:08):
Hasta la próxima.
Mantén tus datos seguros, tusmodelos bajo llave y a tus
abogados en marcación rápida.
Speaker 2 (25:18):
Gracias por escuchar a Intangiblia el podcast de
Intangible Law hablando clarosobre propiedad intelectual¿ Te
gustó lo que hablamos hoy?
Por favor, compártelo con tured¿ Quieres aprender más sobre
la propiedad intelectual?
Suscríbete ahora en tureproductor de podcast favorito.
Síguenos en Instagram, facebook, linkedin y Twitter.
(25:39):
Visita nuestro sitio webwwwintangibliacom.
Derecho de autor, leticiaCaminero 2020.
Todos los derechos reservados.
Este podcast se proporcionasolo con fines informativos y no
debe considerarse como unconsejo u opinión legal.
Cientos de millones otorgados por un algoritmo de
vivienda, decenas de millonespor un motor de predicción
raspado de la web, un rivalacusado de robar la fórmula
secreta detrás de lasvaluaciones de casas.
Los modelos predictivos ya noson solo matemáticas, son
bóvedas cerradas de secretoscomerciales Y el tribunal se ha
(00:22):
convertido en el campo debatalla comerciales y el
tribunal se ha convertido en elcampo de batalla.
Speaker 2 (00:34):
Estás escuchando a Intangiblia, el podcast de
Intangible Law, hablando clarosobre propiedad intelectual.
Démosle la bienvenida a su host, leticia.
Speaker 3 (00:39):
Caminero, estás escuchando Intangiblia, el
podcast donde desciframos lasreglas invisibles detrás de la
innovación.
Yo soy Leticia, caminero, tuanfitriona.
Speaker 1 (00:52):
Y yo soy Artemisa, tu co-anfitriona sin pelos en la
lengua.
Hoy vamos a hablar de modelospredictivos, algoritmos que no
solo analizan datos, tambiénintentan predecir el futuro, o
al menos lo intenten.
Speaker 3 (01:07):
La tecnología predictiva mueve de todo, desde
la tasación de bienes raíceshasta las predicciones de moda,
seguros y mercadeo.
Pero cuando las empresas peleanpor ella, los argumentos
legales suelen girar en torno ala confidencialidad, la
propiedad y la propiedadintelectual.
girar en torno a laconfidencialidad, la propiedad y
la propiedad intelectual.
Speaker 1 (01:25):
En palabras simples los tribunales están decidiendo.
Speaker 3 (01:28):
Quién puede decir esa predicción es mía Y, antes de
empezar, una nota rápida.
Artemisa es una coanfitriona deinteligencia artificial y mi
voz fue clonada con tecnologíade IA para este episodio.
Este podcast es solo para finesinformativos y de conversación.
No constituye asesoría legal.
Speaker 1 (01:51):
Traducción Yo pongo la chispa, ella trae la ley, y
ninguna de las dos es tu abogada.
¿qué cuenta exactamente comosecreto comercial?
Fácil, es como la versión legalde la receta de la abuela
valiosa, confidencial y guardadabajo llave.
La diferencia es que, en vez desopa, hablamos de algoritmos,
(02:14):
flujos de datos y modelospredictivos.
Speaker 3 (02:17):
Legalmente tiene tres ingredientes Tiene que ser
valioso, tiene que ser secreto ytienes que hacer un esfuerzo
real para mantenerlo en secreto.
Si dejas la receta pegada en lanevera de la oficina, no cuenta
.
Speaker 1 (02:31):
Exacto Los secretos comerciales viven en servidores
cerrados, código encriptado ycontratos de confidencialidad
tan gruesos que parecenantibalas.
¿Pierdes la confidencialidad,pierdes la protección.
Speaker 3 (02:48):
Nuestra primera parada nos lleva a una startup
inmobiliaria llamada HouseCanary, que se enfrentó a Amrock
, una de las compañías detasación y títulos más grandes,
en el centro de la disputa.
Algoritmos que predicen elvalor de las propiedades.
Speaker 1 (03:05):
House Canary creó modelos de evaluación
automatizada, AUMs, capaces deprocesar enormes cantidades de
datos y pronosticar cuántodebería valer una casa.
Speaker 3 (03:23):
Ambrock quería a sus herramientas predictivas
propietarias.
Pero pronto la relación seagrió.
Ambroke acusó a House Canary deno cumplir con lo prometido.
House Canary respondió queAmbroke no era solo un mal
cliente, estaba robando su salsasecreta.
Speaker 1 (03:41):
Y por salsa secreta nos referimos a secretos
comerciales, los algoritmos, losmodelos, los flujos de datos,
todo el truco detrás del telónque hace que esas predicciones
funcionen.
House Canary afirmó que Ambrocky sus socios estaban
apropiándose indebidamente deesos secretos para construir un
(04:02):
sistema copión.
Speaker 3 (04:03):
El caso llegó a juicio.
Un jurado escuchó durantesemanas testimonios sobre código
, datos y valuaciones materialnada fácil para una sala de
tribunal, Pero el veredictoestuvo lejos de ser aburrido.
House Canary ganó más de 600millones de dólares en
indemnización, uno de los fallosmás grandes por secretos
(04:25):
comerciales en la historia deEstados Unidos.
Speaker 1 (04:29):
El jurado no solo se puso del lado de House Canary,
también envió un mensaje Sitratas tus algoritmos
predictivos como joyas de lacorona competitiva, la ley
podría respaldarte.
Speaker 3 (04:43):
Claro, la historia no terminó ahí.
Vinieron las apelaciones, lasdudas sobre si la indemnización
era excesiva y si las pruebaseran tan sólidas como creyó el
jurado.
Pero House Canary v Ambrock seconvirtió en un caso de
referencia, la prueba de que losmodelos predictivos pueden
litigar y valorarse comosecretos comerciales.
Speaker 1 (05:06):
Y, siendo honestos, le dio a cada startup un poco
más de actitud, como diciendooye, ¿tu código predice precios
de vivienda, ¿eso podría valercientos de millones en un
tribunal Si alguien intentarobártelo.
Speaker 3 (05:21):
Nuestro próximo caso nos lleva a China, donde el
Tribunal Supremo Popular emitióen 2025 un fallo histórico.
La pregunta ¿los parámetrosinternos de una inteligencia
artificial, los pesos entrenados, pueden protegerse como
secretos comerciales?
Speaker 1 (05:37):
En otras palabras, es como preguntar ¿los números
dentro de la caja negra son solomatemáticas o son las joyas de
la corona de una empresa?
Speaker 3 (05:47):
Una compañía acusó a un competidor de haber hecho un
uso indebido de sus modelosentrenados de inteligencia
artificial.
No hablamos del código en sí,sino de los parámetros, esos
millones de valores que seajustan cuando una IA aprende de
los datos, esos millones devalores que se ajustan cuando
una IA aprende de los datos.
Hasta ese momento, lostribunales solían proteger el
(06:08):
código, pero los pesosentrenados eran una zona gris
legal.
Speaker 1 (06:19):
Y el Supremo Chino no dudó, declaró sí los pesos
entrenados son secretoscomerciales protegibles, lo que
significa que si entrenas unainteligencia artificial para
pronosticar mercados bursátiles,predecir la fuga de clientes o
detectar riesgos de seguros,esos parámetros entrenados en sí
mismos están legalmenteblindados.
Speaker 3 (06:35):
Es un gran cambio, porque extiende la protección de
secretos comerciales hasta lasentrañas de la IA.
Ya, no se trata solo deproteger código o datos.
Ahora el resultado entrenadotambién puede quedar cerrado con
llave.
Speaker 1 (06:50):
Y seamos claros ahí es donde está el valor.
Entrenar un modelo requierecantidades absurdas de tiempo,
dinero y datos.
Una vez entrenado, esos pesosson como un atajo hacia la
inteligencia.
Una vez entrenado, esos pesosson como un atajo hacia la
inteligencia.
Si un competidor los roba, seha saltado años de trabajo.
Los tribunales chinosbásicamente dijeron no, eso no
(07:12):
se hace.
Speaker 3 (07:13):
Este fallo también envía una señal sobre cómo las
jurisdicciones compiten poradaptar la ley de propiedad
intelectual a la inteligenciaartificial.
En muchos países todavía noestá resuelto si los pesos
pueden protegerse directamentecomo secretos comerciales.
Este caso confirma que sí, sonactivos protegibles.
Speaker 1 (07:33):
Y no es solo una nota al pie legal.
Imagina lo que significa paraempresas que entrenan
inteligencia artificialpredictiva en salud, finanzas o
logística.
Su ventaja competitiva ya noestá solo en los datos o el
código, Está literalmenteincrustada en esos miles de
millones de parámetros.
Y en China los tribunalesacaban de darles un escudo legal
(07:55):
.
Speaker 3 (07:56):
Quizá deberíamos hacer una pausa.
¿Qué son exactamente esos pesosde los que hablamos?
En pocas palabras, los pesosson como las perillas dentro de
un modelo de IA.
Cada vez que el sistema seentrena, digamos para predecir
precios de vivienda opronosticar ventas, ajusta esas
(08:16):
perillas en función de los datosque recibe.
Speaker 1 (08:19):
Piensa en una consola gigante de sonido.
en un concierto, cada perillacontrola cómo se escucha la
música.
Entrenar una IA es básicamentegirar miles de millones de esas
perillas hasta que la cancióndel modelo suena bien.
En términos técnicos, esasperillas son los pesos.
Speaker 3 (08:39):
Y ahí es donde está el valor.
El código en bruto paraconstruir una red neuronal ya no
es nada especial.
Cualquiera puede descargarframeworks de código abierto.
La magia ocurre en elentrenamiento.
Una vez que la inteligenciaartificial ajusta esos miles de
millones de pesos, el modeloaprende a predecir.
Speaker 1 (08:59):
Así que, cuando el Tribunal Supremo Popular de
China dijo que los pesos podíanser secretos comerciales, no
estaba protegiendo el plano dela consola sino su configuración
exacta la versión afinada querealmente funciona, Y para las
empresas que construyentecnología predictiva, ese
modelo afinado suele valer muchomás que el código en sí.
Speaker 3 (09:20):
Por eso este fallo generó tanto ruido en el mundo
legal y tecnológico.
Sigamos en China para otro casoque muestra hasta dónde pueden
llegar las empresas paraproteger sus herramientas
predictivas.
Esta vez fue Alibaba, elgigante detrás de Taobao Itmal,
contra una firma más pequeñallamada Xiaowangshen era a
(09:52):
presión de datos decomportamiento del consumidor
¿Quién compra qué, cuándo y porqué.
Speaker 1 (09:57):
Alibaba tenía una herramienta llamada Business
Advisor capaz de procesar esosdatos para predecir tendencias
pronosticar ventas y guiar a loscomerciantes.
Speaker 3 (10:03):
Xiao Wangshen pensó que podía saltarse la parte
difícil.
Supuestamente raspó lasplataformas de Alibaba e intentó
reconstruir las prediccionespor su cuenta.
Para Alibaba, eso no era solomala conducta, era robo de
secretos comerciales y eltribunal estuvo de acuerdo En
una gran victoria para Alibaba.
Speaker 1 (10:24):
los jueces dictaminaron que no se trataba
de simples datos de comercioelectrónico.
Cuando esos datos se procesan yestructuran en herramientas
predictivas, son un secretocomercial protegido.
Xiao Wang Shen fue condenado apagar más de 30 millones de
renminbi en daños.
Speaker 3 (10:43):
Lo que hace tan importante este caso es la
manera en que el tribunal loenmarcó.
Reconoció que los sistemas demercadeo predictivo, los
algoritmos y conjuntos de datosque permiten a una plataforma
anticipar lo que querrán losconsumidores, son algo más que
simple know-how empresarial.
Son activos legalmenteprotegibles.
Speaker 1 (11:05):
Y, seamos sinceros, esa decisión suena como música
para los oídos de cada gigantede la economía de plataformas,
porque si tus competidores nopueden raspar, clonar y revender
tu motor predictivo,básicamente has blindado tu
ventaja.
Speaker 3 (11:21):
También marca un contraste con otras
jurisdicciones donde los casosde scraping suelen girar en
torno al derecho de autor o alderecho contractual.
Aquí el tribunal chino locolocó directamente en la caja
de la protección de secretoscomerciales.
Speaker 1 (11:37):
Lo que significa que Alibaba no solo retuvo sus datos
, conservó su poder predictivo,y eso, en el siglo XXI, equivale
a quedarse con la corona.
Speaker 2 (11:50):
Estás escuchando a Intangiblia el podcast de
Intangible Law, hablando clarosobre propiedad intelectual.
Speaker 3 (11:59):
No todas las batallas sobre predicción ocurren en
industrias glamorosas como lamoda o el comercio electrónico.
A veces la pelea es pormaquinaria industrial, en este
caso compresores.
Speaker 1 (12:10):
Sí compresores, el tipo de equipos que mantienen en
marcha plantas químicas,refinerías y centrales
eléctricas.
Shen Group, una empresa chinade peso, había desarrollado un
software de diseño predictivopara álabes de compresor
algoritmos capaces de prever lasmejores opciones de diseño para
lograr eficiencia.
Speaker 3 (12:32):
Dos empleados de Shen se marcharon para fundar su
propia empresa, shenyangMachinery.
Y qué coincidencia su nuevosoftware de repente se parecía
demasiado al de Shen.
La compañía alegó que susalgoritmos propietarios y bases
de datos de modelos habíansalido por la puerta junto con
El tribunal no lo vio comocoincidencia.
Speaker 1 (12:54):
Concluyó que los ex empleados habían malversado
secretos comerciales de Shen,específicamente el software de
selección predictiva y la basede datos de modelos de Alaves¿
Daños Unos 25 millones derenminbi?
¿Daños Unos 25 millones derenminbi.
(13:14):
Este caso recuerda que laanalítica predictiva no se trata
sólo de comportamiento delconsumidor.
Está incrustada en el diseñoindustrial, la manufactura y la
ingeniería.
En cualquier lugar dondeexistan datos y decisiones que
optimizar, los algoritmospredictivos se convierten en
activos valiosos y en posiblessecretos comerciales.
Speaker 3 (13:32):
Y aquí viene lo divertido Un caso de compresores
.
Quizá no aparezca en laspáginas de moda, pero legalmente
es enorme, porque si puedesproteger modelos predictivos en
el diseño industrial, puedesprotegerlos en casi cualquier
campo.
Speaker 1 (13:46):
Exacto El fallo marcó un precedente.
Campo Exacto El fallo marcó unprecedente.
El software técnico y las basesde datos usados para modelado
predictivo son protegibles comosecretos comerciales, incluso en
sectores lejos del ojo público.
Speaker 3 (14:00):
En otras palabras, ya sea para predecir el próximo
zapato de moda o el siguientediseño óptimo de un álabe, la
ley está lista para tratar tusalgoritmos como tesoros.
Speaker 1 (14:11):
Nos movemos ahora a Boston, donde la disputa toca
algo mucho más cercano a la vidacotidiana.
el seguro de salud Milliman,una de las firmas actuariales
más grandes del mundo,desarrolló algoritmos para
desidentificar datos depacientes y usarlos en modelos
predictivos de riesgo en seguros.
Speaker 3 (14:36):
En traducción.
su software podía eliminarnombres e identificadores de los
historiales médicos y luegoprocesar los datos restantes
para predecir quién podríanecesitar atención, cuánto
costaría y cómo las aseguradorasdeberían fijar precios.
Magia financiera para laindustria del seguro magia
financiera para la industria delseguro.
Speaker 1 (14:54):
Varios empleados de Milliman se marcharon y fundaron
un competidor Gradient.
AI Milliman los acusó dehaberse llevado no solo
conocimientos, sino también suspatentes y algoritmos
propietarios paradesidentificación y predicción
de riesgos.
Speaker 3 (15:13):
Lo picante es que este caso combina dos mundos
patentes y secretos comerciales.
Milliman dijo tenemos patentessobre cómo funciona esto y
también ustedes robaron laspartes confidenciales que no se
publicaron.
Doble golpe.
Speaker 1 (15:23):
La demanda alegaba que Gradient construyó sus
herramientas predictivas sobrelos métodos de desidentificación
de Milliman mientras usabadatos confidenciales de clientes
de Milliman.
Speaker 3 (15:34):
Gradient lo negó, por supuesto, diciendo que había
desarrollado su propiatecnología Hasta ahora el caso
sigue abierto en un tribunalfederal de Massachusetts, Pero
plantea una gran pregunta parala analítica predictiva ¿Cómo
proteges la línea entre lo quese publica en una patente y lo
que se guarda como secretocomercial?
Speaker 1 (15:54):
Porque una vez que patentas un método, la
divulgación es pública.
Lo que no divulgues, como losflujos de datos ajustados o la
configuración de los modelos,debe protegerse como secreto
comercial.
La estrategia de Millimanmuestra cómo las empresas usan
ambas herramientas en conjunto yes un ejemplo perfecto de por
(16:15):
qué los modelos de saludpredictiva son tan valiosos.
Speaker 3 (16:19):
Quien posee la propiedad intelectual no sólo
posee un software, posee elpoder de pronosticar miles de
millones en costos de salud.
Nuestro siguiente caso vuelveal sector inmobiliario, esta vez
en Estados Unidos.
Si alguna vez has navegado porZillow, seguramente viste el
Zestimate, un modelo predictivoque arroja valores de casas en
(16:42):
segundos.
Para muchos propietarios es unarelación de amor y odio, para
Zillow es un activo preciado yaparentemente uno digno de ser
robado.
Speaker 1 (16:52):
aparentemente uno digno de ser robado, Según
Zillow.
uno de sus directores senior deaprendizaje automático dejó la
compañía y se unió a Compass,una correduría rival en rápido
crecimiento.
Zillow afirma que no solo sellevó su perfil de LinkedIn, se
llevó también los modelospredictivos de Zillow.
Speaker 3 (17:10):
La demanda alegó apropiación indebida de secretos
comerciales, algoritmos quealimentan el Sestimate,
herramientas de personalizacióncomo Claim Your Home y otras
funciones predictivas quemantenían enganchados a los
usuarios.
Speaker 1 (17:27):
Compass?
por supuesto lo negó.
Speaker 3 (17:30):
Argumentó que el empleado usó conocimientos
generales, no código ni datospropietarios de Washington, pero
(17:50):
pone de relieve una grantensión.
Los modelos predictivos sonfáciles de describir en términos
generales, pero el verdaderovalor está en los pesos, el
código y los flujos de datos, yesos pueden salir caminando por
la puerta junto con losempleados.
Speaker 1 (18:06):
Por eso las empresas protegen a sus equipos de
predicción como si fueran FortKnox.
Pierdes a tu científico dedatos principal y de repente tu
competidor tiene una ventajainterna.
Zillow claramente decidió queel riesgo era demasiado alto
como para ignorarlo.
Speaker 3 (18:25):
Este caso también destaca cómo los tribunales
actúan como árbitros en eldebate.
Conocimiento del empleadoversus secreto comercial.
La innovación se alimenta de lamovilidad laboral, pero las
compañías luchan por mantenerbajo llave las partes más
valiosas de la predicción.
Speaker 1 (18:43):
Así que el SESTIMATE ya no se trata solo del valor de
tu casa, se trata de cuántovalor le da la ley a los modelos
predictivos en sí.
Speaker 3 (18:53):
Ahora del sector inmobiliario al fintech.
Este caso, en Florida, trata desistemas de pago predictivo
software capaz de pronosticar,procesar y liquidar facturas de
alcohol en 24 horas.
Para mayoristas y minoristas,recortar tiempo en los pagos
puede significar un gran aliviode caja.
Speaker 1 (19:11):
FinTech, la empresa detrás de ese sistema, acusó a
su rival iControl de haberseacercado demasiado a su salsa
secreta.
Speaker 3 (19:20):
Según la demanda, icontrol contrató a ex empleados
de FinTech que supuestamentetrajeron consigo conocimientos
confidenciales sobre el softwarepredictivo de procesamiento de
facturas, el corazón del casoera si ese software, su
estructura, sus algoritmospredictivos calificaba como
secreto comercial y si iControlobtuvo unaado secretos
(19:42):
comerciales y otorgó daños.
Speaker 1 (19:55):
Unos 2,7 millones de dólares en daños reales, más 3
millones en daños punitivos.
No es el mayor fallo que hemosvisto, pero sí un golpe sólido.
Speaker 3 (20:06):
Este caso recuerda cómo suele desarrollarse el
derecho de secretos comercialesen los tribunales.
La tecnología no tiene que serglamorosa.
Speaker 1 (20:23):
Y muestra la otra cara de la analítica predictiva.
No se trata solo de modelos deIA y aprendizaje automático de
punta.
A veces es la predicciónpráctica de quién paga qué y
cuándo, Y en el mundo de losnegocios eso puede ser tan
valioso como predecir precios decasas o tendencias de moda.
Speaker 3 (20:45):
En resumen, el jurado reconoció que el software
financiero predictivo no es sólouna herramienta empresarial, es
propiedad intelectual quemerece protección.
Speaker 1 (20:55):
Nuestro siguiente caso está recién salido del
horno.
Cure AIS, una startup de salud,desarrolló un software diseñado
para ayudar a proveedores agestionar la facturación de
Medicare y Medicaid conanalítica predictiva,
automatizando el cumplimiento,pronosticando costos y
(21:15):
agilizando reembolsos.
Speaker 3 (21:18):
Suena como un salvavidas para hospitales
ahogados en papeleo, pero segúnQAIS Epic Systems, el gigante de
los historiales clínicoselectrónicos, no era solo un
competidor, era un presuntoimitador.
Speaker 1 (21:33):
La demanda afirma que Epic presionó a clientes,
malversó el software y los datosconfidenciales de Curais y los
usó para expandir sus propiasherramientas predictivas.
Curais lo planteó como unesquema de múltiples frentes
competencia desleal, más robo desecretos comerciales.
Speaker 3 (21:52):
Epic, claro está, lo negó.
Pero seamos honestos, ladinámica de poder aquí es
fascinante.
Cure AIS es una startup pequeña, epic es un gigante.
Este caso pone a prueba si laley de secretos comerciales
puede realmente equilibrar elterreno de juego.
Speaker 1 (22:10):
Y todavía sigue pendiente en un tribunal federal
de California, sin jurado, sindaños aún.
Pero las apuestas son altas,porque toca no sólo el software
predictivo en salud, sinotambién el acceso a los datos.
¿Quién controla laspredicciones derivadas de los
historiales de pacientes?
¿El innovador ágil o el gigantede la plataforma?
Speaker 3 (22:32):
Y, más allá del tribunal, envía una señal.
Si eres una startup queconstruye herramientas
predictivas, tu código y tusdatos de clientes pueden ser tu
única armadura frente a lasombra de Big Tech.
Si esa armadura resiste o nodependerá de cómo traten los
tribunales los secretoscomerciales.
Speaker 1 (22:52):
CURE y SB EPIC todavía se está desarrollando,
pero ya se perfila como un casode estudio sobre cómo la ley de
secretos comerciales se cruzacon la innovación y la
competencia en la tecnologíapredictiva de salud.
Speaker 3 (23:07):
Entonces, ¿qué aprendemos de estos casos?
Que la analítica predictivaestá en todas partes, desde el
mercado inmobiliario hasta lasalud, pasando por la moda y el
fintech.
Y cuando la tecnología esvaliosa, las empresas no solo la
resguardan, la defienden en lostribunales.
Speaker 1 (23:25):
Los secretos comerciales son el arma
preferida.
Olvida las patentes llamativaso las batallas de copyright.
La verdadera acción está enalgoritmos cerrados, bases de
datos confidenciales y modelosafinados.
Los tribunales de todo el mundolos están tratando como activos
protegibles.
Speaker 3 (23:45):
Y eso nos deja cuatro grandes lecciones.
Speaker 1 (23:48):
Uno la predicción es poder y propiedad.
Los modelos predictivos no sonsolo herramientas.
Son activos corporativostratados como propiedad
intelectual en la ley desecretos comerciales.
Speaker 3 (24:02):
Segundo, el secreto está en los detalles, Desde los
pesos de modelos en China hastael Sestimate de Zillow.
El valor está en las entrañasafinadas del algoritmo.
Eso es lo que los tribunalesbuscan proteger 3.
Speaker 1 (24:17):
Los empleados son el eslabón débil.
La mayoría de disputas empiezacuando el personal se mueve,
llevándose conocimientos, códigoo datos.
Los tribunales deben separar laexperiencia general del
verdadero secreto comercial 4.
Speaker 3 (24:34):
Las tendencias globales convergen.
Ya sea en Texas, Pekín oBruselas, los tribunales
enfrentan.
Recuerda.
Speaker 1 (24:41):
Esa predicción puede estar sellada en código, marcada
como secreto comercial ydefendida en un tribunal como si
(25:02):
fuera oro.
Speaker 3 (25:04):
Y con eso cerramos el episodio de hoy de Intangiblia.
Gracias por escuchar.
Speaker 1 (25:08):
Hasta la próxima.
Mantén tus datos seguros, tusmodelos bajo llave y a tus
abogados en marcación rápida.
Speaker 2 (25:18):
Gracias por escuchar a Intangiblia el podcast de
Intangible Law hablando clarosobre propiedad intelectual¿ Te
gustó lo que hablamos hoy?
Por favor, compártelo con tured¿ Quieres aprender más sobre
la propiedad intelectual?
Suscríbete ahora en tureproductor de podcast favorito.
Síguenos en Instagram, facebook, linkedin y Twitter.
(25:39):
Visita nuestro sitio webwwwintangibliacom.
Derecho de autor, leticiaCaminero 2020.
Todos los derechos reservados.
Este podcast se proporcionasolo con fines informativos y no
debe considerarse como unconsejo u opinión legal.
Popular Podcasts
Dateline NBC
Current and classic episodes, featuring compelling true-crime mysteries, powerful documentaries and in-depth investigations. Follow now to get the latest episodes of Dateline NBC completely free, or subscribe to Dateline Premium for ad-free listening and exclusive bonus content: DatelinePremium.com
Stuff You Should Know
If you've ever wanted to know about champagne, satanism, the Stonewall Uprising, chaos theory, LSD, El Nino, true crime and Rosa Parks, then look no further. Josh and Chuck have you covered.
My Favorite Murder with Karen Kilgariff and Georgia Hardstark
My Favorite Murder is a true crime comedy podcast hosted by Karen Kilgariff and Georgia Hardstark. Each week, Karen and Georgia share compelling true crimes and hometown stories from friends and listeners. Since MFM launched in January of 2016, Karen and Georgia have shared their lifelong interest in true crime and have covered stories of infamous serial killers like the Night Stalker, mysterious cold cases, captivating cults, incredible survivor stories and important events from history like the Tulsa race massacre of 1921. My Favorite Murder is part of the Exactly Right podcast network that provides a platform for bold, creative voices to bring to life provocative, entertaining and relatable stories for audiences everywhere. The Exactly Right roster of podcasts covers a variety of topics including historic true crime, comedic interviews and news, science, pop culture and more. Podcasts on the network include Buried Bones with Kate Winkler Dawson and Paul Holes, That's Messed Up: An SVU Podcast, This Podcast Will Kill You, Bananas and more.