Dentro de las muchas limitaciones del entrenamiento de IA, el cuello de botella de datos suele ser más severo que el de cálculo, pero rara vez recibe la atención que merece. En lugar de simplemente acumular potencia de cálculo, los verdaderos avances requieren un esfuerzo simultáneo en dos dimensiones. Obtener datos de entrenamiento de alta calidad mediante mecanismos de crowdsourcing, combinado con arquitecturas de procesamiento distribuidas, es la única forma de romper completamente estas cadenas. Muchos proyectos priorizan el cálculo sobre los datos o trabajan de manera aislada, y este tipo de soluciones colaborativas justamente cubre la brecha clave en la industria.