Abrir menú de navegación
AIDive
ES
Iniciar sesión
Volver al glosario

Qué son los estándares de cumplimiento ISO e IEEE

Ética y seguridad

Conjunto de normas y directrices para gestionar calidad, riesgo y uso responsable de la tecnología.

Definición

Los estándares de cumplimiento ISO e IEEE son un conjunto de normas y directrices que ayudan a gestionar la calidad, el riesgo y el uso responsable de la tecnología. Dicho de forma sencilla, este concepto ayuda a evaluar el riesgo, la responsabilidad, la seguridad y el cumplimiento. En la práctica, ayuda a entender qué capacidades reales tiene la herramienta, qué datos necesitará y qué limitaciones conviene revisar antes de implementarla.

Ejemplo

El equipo de implementación de IA utiliza una norma de gobernanza para describir roles, comprobaciones, riesgos y procedimientos de auditoría.

Por qué importa

Estos estándares ayudan a convertir la adopción de IA de un experimento en un proceso gestionado. Así puedes elegir herramientas de IA no por grandes promesas, sino por cómo funcionan en un problema real.

Cómo funciona

Primero se identifican las partes interesadas, los datos y los posibles daños; después se introducen comprobaciones, restricciones, auditorías y responsabilidades. En el caso del término «estándares de conformidad ISO e IEEE», es importante revisar por separado los datos, los criterios de calidad y las condiciones de aplicación.

Dónde se usa

  • Son importantes en productos donde la IA afecta a personas, datos personales, seguridad, riesgos legales o la toma de decisiones.

Limitaciones

Los riesgos cambian a medida que cambian las leyes, los productos y los datos, por lo que estas páginas requieren una revisión editorial periódica.

FAQ

¿Por qué es útil conocer los estándares de cumplimiento ISO e IEEE?

Estos estándares ayudan a convertir la adopción de IA de un experimento en un proceso gestionado. Así puedes elegir herramientas de IA no por grandes promesas, sino por cómo funcionan en un problema real.

¿Qué conviene revisar en la práctica?

Es importante comprobar la calidad de los datos, la aplicabilidad a tu caso de uso, las limitaciones del método, el coste de implementación y la forma de controlar el resultado después del lanzamiento.