¿Puede la inteligencia artificial cambiar nuestra visión sobre cómo innova el sector del vino?

La forma de medir hasta qué punto dos innovaciones del vino se parecen entre sí cambia mucho según la herramienta de inteligencia artificial que se use. Esa es la idea central de un estudio publicado en Journal of Wine Economics y firmado por Francesca Chiaradia, del Departamento de Economía de la Universidad de St Andrews, que analiza 9.439 patentes relacionadas con el vino registradas entre 1970 y 2023 en 53 jurisdicciones.

El trabajo parte de una cuestión con efectos prácticos para bodegas, proveedores de maquinaria, empresas de envasado y firmas tecnológicas: si dos patentes son parecidas, sus autores pueden comparar procesos, seguir estándares ya implantados y localizar áreas donde aún hay margen para innovar. El problema, según plantea la investigadora, es que esa similitud técnica es difícil de medir y cambia con el paso del tiempo, con la regulación y con la estructura productiva de cada país.

Para abordar esa pregunta, Chiaradia reunió resúmenes de patentes procedentes de The Lens, una base de datos pública de propiedad industrial y literatura académica. El análisis se centró en los abstract, no en las reivindicaciones legales, porque ofrecen una descripción más directa del invento y menos lenguaje jurídico. A partir de esos textos, el estudio convirtió cada patente en una representación numérica y comparó unas con otras mediante “similaridad coseno”, una medida que va de 0 a 1 y que permite estimar cuánto se parecen dos documentos por el contenido de su lenguaje.

La autora probó cinco modelos de lenguaje: GTE, S-BERT, USE, PaECTER y Doc2Vec. El resultado principal es que no todos dibujan la misma historia de la innovación en el vino. Los modelos entrenados con conjuntos de datos más amplios y afinados mostraron una caída inicial de la similitud técnica, seguida de una etapa más estable. Esa bajada fue más visible entre 1970 y 1990 en innovaciones ligadas a biotecnología, química orgánica e ingeniería química. En cambio, los modelos más simples ofrecieron una subida lenta y continua de la similitud media en casi todos los campos.

Esa diferencia no es menor. Si se toma como referencia un modelo, puede parecer que la tecnología del vino se ha ido pareciendo cada vez más. Si se elige otro, la lectura cambia y apunta a una mayor diversidad técnica desde los años setenta, con una cierta estabilización desde finales de los noventa. La autora sostiene que la elección del modelo condiciona la evaluación del mercado y la lectura de la innovación sectorial.

El estudio también detecta diferencias geográficas. La similitud tecnológica dentro de un mismo sector suele ser más alta dentro de los países que entre países. En Estados Unidos, el lenguaje de las patentes del vino fue perdiendo parecido con el paso de los años y esa evolución se estabilizó a comienzos de los 2000. En varios países de la Unión Europea ocurrió lo contrario: la similitud subió con más fuerza a partir de 2010 y lo hizo en todos los campos analizados. Chiaradia plantea que esa evolución podría estar relacionada con los aranceles bajos dentro de la Unión o con la armonización de la Política Agraria Común, aunque no atribuye una causa cerrada a esos cambios.

En cifras agregadas, la similitud semántica media calculada con GTE y PaECTER se situó entre el 38,7% y el 41,9%. S-BERT y USE ofrecieron medias bastante menores, del 33,2% y el 28,9%. En términos regionales, los modelos dieron mejores resultados en patentes de Estados Unidos y Asia, donde la convergencia técnica también fue mayor, con valores entre el 46,5% y el 46,6%. La autora apunta que esto puede encajar con la existencia de polos de innovación, transferencia de conocimiento o una especialización industrial más marcada en esas zonas.

La base de datos utilizada muestra además dónde se concentra la actividad de patente. Los mayores solicitantes fueron Estados Unidos, con 1.516 patentes, Corea del Sur, con 1.453, y Francia, con 903. Por regiones, la Unión Europea reunió 4.196 y Asia, 3.032. Dentro de Europa, Francia, Alemania y España sumaron el 63,1% de las innovaciones registradas en la muestra. En América del Norte y Asia, la actividad también aparece muy agrupada: Estados Unidos, Corea del Sur y Japón reúnen buena parte de las solicitudes de sus áreas.

No todos los campos técnicos pesan igual. A lo largo del periodo estudiado predominan las invenciones ligadas a química alimentaria e ingeniería química, seguidas de maquinaria y elementos mecánicos. También aparecen diferencias por región. Norteamérica concentra una parte mayor de las tecnologías digitales y los productos de consumo; Europa tiene más presencia en sistemas de medición aplicados al vino; África y Oceanía pasaron de un peso mayor de la química a más actividad en manipulación y envasado, como botellas, tapones y cajas; y Asia muestra una especialización muy fuerte en química de estabilización, tratamiento y aromatización.

La autora sometió sus resultados a varias comprobaciones. La primera usó los códigos internacionales de clasificación de patentes como referencia externa. Ahí encontró que todos los modelos, salvo PaECTER, tenían cierta capacidad para asignar similitud a patentes de la misma clase, pero con un rendimiento moderado. La tasa de acierto se movió entre el 55,4% y el 58,1%. GTE fue el más útil para separar clases, mientras que USE logró una precisión y una exactitud algo mejores. Aun así, el estudio subraya que todos quedan lejos de una clasificación sólida cuando se comparan con etiquetas normalizadas.

La segunda comprobación comparó el parecido del texto con el parecido visual de los dibujos de las patentes. Tras normalizar las imágenes y aplicar un índice de similitud estructural, la media fue del 39,69%, una cifra próxima a la obtenida con GTE. Para Chiaradia, esa coincidencia refuerza la idea de que los modelos más afinados reproducen mejor las relaciones técnicas entre invenciones. La tercera prueba usó un sistema de recuperación de información con modelos de lenguaje de gran tamaño. En ese caso, la trayectoria temporal generada por esa herramienta se acercó a la de GTE, S-BERT y USE, y se alejó de Doc2Vec y PaECTER.

Uno de los mensajes de fondo del trabajo es que la innovación en el vino no se difunde de forma uniforme. Aunque el comercio internacional del sector ha ganado peso durante las últimas décadas, las patentes siguen muy ligadas al lugar donde nacen, a sus condiciones económicas y a su especialización productiva. Esa pauta se aprecia con más claridad en áreas de mayor sofisticación, como la química o la ingeniería mecánica, y menos en bienes de consumo, donde el parecido medio es mayor y más estable.

El estudio también observa que ciertas tecnologías, como las de control de calidad, etiquetado y publicidad en línea, presentan niveles altos de convergencia entre regiones. Eso sugiere que hay segmentos donde la adopción puede extenderse con más facilidad, aunque la creación de esas soluciones no se reparta por igual. En el caso europeo, el aumento del parecido en maquinaria e instrumentos desde comienzos de este siglo apunta a una aproximación técnica entre productores de la Unión. En Asia, las patentes vinculadas a bienes de consumo rápidos mostraron entre un 24,8% y un 44,4% más de similitud desde principios de la década de 2010.

Chiaradia advierte, en todo caso, de que se trata de un trabajo descriptivo y de que sus conclusiones dependen de los modelos disponibles en este momento. También recuerda que las representaciones numéricas de texto arrastran sesgos teóricos y técnicos, y que el estudio se limita al vino. La autora propone ampliar el análisis a otras bebidas alcohólicas para comprobar si estos patrones se repiten fuera del sector vinícola.