Gretel.ai

Gretel ayuda a los equipos a conseguir datos utilizables cuando los reales son sensibles o escasos. Los desarrolladores conectan un conjunto de datos, como registros de clientes o tablas médicas, y Gretel entrena un modelo que produce registros nuevos con los mismos patrones estadísticos pero sin vínculo directo con personas reales. Los equipos usan el resultado para probar software, compartir datos entre departamentos y entrenar modelos de aprendizaje automático sin esperar aprobaciones de privacidad. También genera texto y datos tabulares para el fine-tuning de modelos de lenguaje.

La plataforma combina la generación con comprobaciones. Los informes de calidad comparan los datos sintéticos con los originales, y herramientas de privacidad como la privacidad diferencial y los filtros reducen el riesgo de que el resultado filtre información real. Las funciones de transformación pueden detectar y enmascarar datos personales en registros existentes. Las API y las bibliotecas de código abierto permiten a los desarrolladores añadir estos pasos a sus pipelines.

Según la prensa, NVIDIA adquirió Gretel para reforzar sus herramientas de generación de datos de entrenamiento, y la tecnología se está integrando en los servicios de NVIDIA. Por ese cambio, conviene comprobar cómo se vende ahora el producto antes de construir sobre él. Los datos sintéticos no son privados ni precisos de forma automática, y los patrones poco frecuentes pueden perderse o distorsionarse, por lo que es esencial validarlos. Entre las alternativas están Mostly AI, Tonic.ai, Hazy y Synthesized, y bibliotecas de código abierto como SDV. La categoría pesa más en salud, finanzas y otros sectores regulados.