Página de la fuente: Building Trustworthy Artificial Intelligence: Frameworks, Applications, and Self-Assessment for Readiness

Building Trustworthy Artificial Intelligence: Frameworks, Applications, and Self-Assessment for Readiness

Completar una lista da cierta tranquilidad. Cada casilla marcada parece acercarte al momento de usar una herramienta… pero te conviene comprobar qué demuestra realmente esa lista y qué preguntas siguen sin respuesta.

Qué encontrarás: Cómo aprovechar el reporte del Banco Mundial y KIST sobre IA confiable sin tratar una autoevaluación como garantía.

Fuente de Building Trustworthy Artificial Intelligence: Frameworks, Applications, and Self-Assessment for Readiness
Documento y sitio de su entidad autora. Imagen de identificación; no implica aval de IAConSentido.

Qué es este recurso y quién lo publica

Publicado en septiembre de 2025 por el Banco Mundial en colaboración con KIST, este reporte de Jinhee Park, Ahram Han, Chansoo Kim y Haneol Cho aborda marcos, aplicaciones y preparación para una IA confiable. Incluye explicabilidad, privacidad y equidad, además de herramientas orientativas para instituciones públicas. Sus autores aclaran que la autoevaluación es un punto de partida: no constituye una auditoría prescriptiva ni un marco completo de gobernanza. Building Trustworthy Artificial Intelligence: Frameworks, Applications, and Self-Assessment for Readiness.

Cómo te recomiendo aprovecharlo

Yo lo usaría para preparar una conversación entre quienes conocen el servicio, quienes gestionan los datos y quienes responden por las decisiones. Si una sola persona llena todo el cuestionario, puedes terminar con respuestas correctas en apariencia que nadie más ha podido comprobar. Te recomiendo añadir a cada respuesta la evidencia disponible y lo que todavía falta verificar.

Ejemplo: un asistente para orientar trámites

Imagina que una oficina pública prepara un asistente que responde preguntas sobre un trámite. El equipo confirma que funciona con sus ejemplos habituales, pero no ha comprobado qué ocurre con una solicitud poco frecuente ni cómo llegará la persona a un funcionario si la respuesta es incorrecta. Este ejemplo es ficticio. La revisión debería incluir esa experiencia, además del funcionamiento técnico.

4 preguntas para llevarlo a tu trabajo

  1. Elige un servicio concreto y describe a quién puede afectar una respuesta errónea.
  2. Separa lo que ya has comprobado de lo que solo declara el proveedor.
  3. Revisa qué datos se utilizan y si hacen falta para la tarea.
  4. Aclara cómo se corrige una respuesta y cómo una persona puede pedir ayuda fuera del asistente.

Qué riesgos humanos te propongo observar

Lo relaciono con Seguridad, privacidad y dignidad por las consecuencias de usar datos personales en servicios públicos. También con Decisiones, organizaciones y sociedad, porque las instituciones necesitan explicar quién responde cuando una recomendación cambia el acceso a un servicio.

Estas relaciones pertenecen a mi Taxonomía IAConSentido; no son categorías atribuidas a los autores del documento.

Lo que conviene tener claro

Una lista contestada no acredita que una institución esté preparada para cualquier uso de IA. El documento pide adaptación al contexto y evaluación especializada. Tampoco sustituye las normas de la jurisdicción correspondiente. Te recomiendo revisar los casos que quedan fuera de la lista, sobre todo cuando afectan a personas con menos posibilidades de reclamar.

¿Puedo usar su autoevaluación como autorización para poner un sistema en marcha?

No por sí sola. Sirve para identificar preguntas y necesidades de preparación. La decisión requiere evidencias del uso concreto, responsables y revisión de los riesgos pendientes.

Por dónde empezar

Antes de dar por terminada tu evaluación, pide a alguien que no participó en la preparación que explique cómo reclamaría un error. Si no puede encontrar el camino, todavía tienes algo importante que resolver.

Consultar el documento original · Explorar la Biblioteca de Riesgos Humanos de la IA

Leave a Comment