Si estas construyendo o desplegando un sistema de IA de alto riesgo bajo el EU AI Act, el Articulo 10 requiere practicas especificas de gobernanza de datos para tus datasets de entrenamiento, validacion y prueba. Esta lista de verificacion se mapea directamente a los requisitos del reglamento.
Usala como herramienta de auditoria de cumplimiento — trabaja cada seccion e identifica brechas en tu pipeline actual.
1. Recopilacion y Origen de Datos
- Documentar el origen de todos los datos de entrenamiento (fuentes, proveedores, fechas de recopilacion)
- Registrar la metodologia de recopilacion de datos para cada fuente
- Documentar el proposito para el cual se recopilaron originalmente los datos
- Verificar la base legal para usar datos para entrenamiento de IA (consentimiento, interes legitimo, necesidad contractual)
- Registrar el origen geografico de los datos cuando sea relevante para la representatividad
- Documentar cualquier dato comprado a terceros, incluyendo evaluaciones de proveedores
- Mantener registros de permisos de acceso a datos y terminos de licencia
2. Preparacion y Limpieza de Datos
- Documentar todas las operaciones de preparacion de datos aplicadas (analisis, extraccion, normalizacion)
- Registrar herramientas y versiones utilizadas para cada paso de preparacion
- Registrar metodos de deduplicacion y resultados (duplicados encontrados, eliminados, justificacion)
- Documentar umbrales de calidad de datos y criterios de filtrado
- Registrar metodos de deteccion y redaccion de PII/PHI con conteos de entidades
- Registrar todas las transformaciones de datos con ejemplos de antes/despues
- Mantener historial de versiones de datasets limpios
- Registrar la identidad del operador para cada paso de preparacion
3. Etiquetado y Anotacion
- Definir y documentar el esquema de etiquetado (categorias, definiciones, guias)
- Registrar las calificaciones y experiencia de dominio de los anotadores
- Documentar el proceso de etiquetado (manual, asistido por IA, programatico)
- Si es asistido por IA: documentar el modelo utilizado, umbrales de confianza y proceso de revision humana
- Medir y registrar tasas de acuerdo inter-anotador
- Documentar procedimientos de resolucion de desacuerdos y resultados
- Registrar el numero de etiquetas por anotador y por categoria
- Mantener un mapeo de etiquetas a identidad del anotador y marca de tiempo
4. Examen de Sesgo
- Definir las dimensiones en las que se examinara el sesgo (edad, genero, etnia, geografia, etc.)
- Seleccionar y documentar la metodologia de deteccion de sesgo
- Ejecutar analisis de sesgo en los datasets de entrenamiento, validacion y prueba
- Documentar hallazgos: sesgos identificados, magnitud, grupos afectados
- Registrar medidas de mitigacion tomadas para cada sesgo identificado
- Evaluar el sesgo residual despues de la mitigacion y documentar umbrales aceptables
- Planificar monitoreo continuo de sesgo post-despliegue
- Documentar la justificacion de las dimensiones no examinadas (si las hay)
5. Evaluacion de Calidad de Datos
- Definir criterios de calidad de datos especificos para el proposito previsto del sistema de IA
- Medir y registrar tasas de error en los datos de entrenamiento
- Evaluar la completitud del dataset (valores faltantes, categorias subrepresentadas)
- Evaluar la representatividad respecto a la poblacion objetivo
- Documentar brechas de datos conocidas y su impacto potencial
- Registrar la metodologia de scoring de calidad y umbrales
- Evaluar la frescura de los datos (son lo suficientemente actuales para el proposito previsto?)
- Documentar acciones tomadas para mejorar la calidad de los datos
6. Propiedades Estadisticas
- Documentar el tamano del dataset (registros totales, registros por categoria)
- Registrar la distribucion de clases y ratios de desbalance
- Documentar propiedades estadisticas de caracteristicas clave (distribuciones, rangos, valores atipicos)
- Evaluar y documentar la cobertura del dataset respecto al contexto de despliegue previsto
- Registrar la metodologia y ratios de division train/validacion/test
- Documentar cualquier aumento de datos aplicado y su impacto en la distribucion
- Identificar y documentar casos extremos y su representacion en el dataset
7. Linaje y Trazabilidad de Datos
- Implementar seguimiento de linaje a nivel de registro (fuente, ingestion, limpieza, etiquetado, exportacion)
- Registrar marcas de tiempo para cada transformacion
- Atribuir cada operacion a un operador identificado
- Asegurar que el linaje se mantenga en todas las etapas del pipeline sin brechas
- Verificar que cualquier registro de entrenamiento exportado pueda rastrearse hasta su fuente
- Implementar registros de auditoria inmutables (no pueden modificarse despues de su creacion)
- Probar el linaje muestreando aleatoriamente registros de salida y rastreandolos de extremo a extremo
8. Versionado de Datasets
- Implementar control de versiones de datasets (identificadores de version unicos)
- Registrar que version del dataset se uso para entrenar que version del modelo
- Mantener la capacidad de reproducir cualquier version historica del dataset
- Documentar cambios entre versiones del dataset (adiciones, eliminaciones, correcciones de etiquetas)
- Registrar la justificacion de las actualizaciones del dataset
9. Documentacion Tecnica (Articulo 11 y Anexo IV)
- Compilar toda la documentacion anterior en un paquete de documentacion tecnica estructurado
- Incluir politicas y procedimientos de gobernanza de datos
- Incluir metodologia y resultados del examen de sesgo
- Incluir informes de evaluacion de calidad
- Incluir perfiles estadisticos de todos los datasets
- Incluir documentacion de linaje con trazas de muestra
- Formatear documentacion para revision regulatoria (organizada, buscable, completa)
- Establecer un proceso para mantener la documentacion actualizada a medida que evolucionan los datasets
10. Obligaciones Continuas
- Establecer procedimientos de monitoreo de datos post-despliegue
- Definir disparadores para re-evaluacion del dataset (deriva de datos, degradacion de rendimiento)
- Planificar re-evaluacion periodica de sesgo
- Establecer procedimientos de reporte de incidentes para problemas relacionados con datos
- Asignar responsabilidad para mantener la documentacion de cumplimiento
- Programar revisiones regulares de cumplimiento (se recomienda trimestralmente)
Como Usar Esta Lista de Verificacion
Trabaja cada seccion con tu equipo de datos y tu oficial de cumplimiento. Para cada elemento:
- Verde: Completamente implementado y documentado
- Amarillo: Parcialmente implementado o documentado — necesita mejora
- Rojo: No implementado — brecha de cumplimiento
Cualquier elemento rojo en las secciones 1-7 representa una posible violacion del Articulo 10. Cualquier elemento rojo en la seccion 9 representa una posible violacion del Articulo 11. Ambos conllevan multas de hasta 15 millones de euros o el 3% de la facturacion anual global.
La Arquitectura del Pipeline Importa
Muchos de estos elementos de la lista de verificacion son sencillos de satisfacer si tu pipeline de datos tiene registro de auditoria y seguimiento de linaje integrados. Se vuelven costosos y propensos a errores cuando tu pipeline es una cadena de herramientas desconectadas donde cada frontera crea una brecha de documentacion.
Plataformas on-premise unificadas como Ertas Data Suite estan disenadas para satisfacer esta lista de verificacion por defecto — cada etapa registra operaciones, atribuye operadores, mantiene linaje y genera informes de cumplimiento exportables. Si estas evaluando herramientas, usa esta lista de verificacion como marco de evaluacion de caracteristicas.
La fecha limite de aplicacion de agosto de 2026 esta a cinco meses. Empieza tu auditoria ahora.

