Repositorio filtrable · categorías de fuentes

Biblioteca digital: papers, datasets e informes

La biblioteca organiza tipos de fuentes públicas que suelen respaldar análisis de IA en empresas: informes de organismos, memorias sectoriales, artículos académicos, estándares y conjuntos de datos. Para mantener neutralidad, se describe el tipo de fuente y su uso común. En un despliegue real se incluirían enlaces directos con licencias y fechas; aquí se ofrece una estructura lista para poblar.

Metadatos
Fecha, autoría, licencia
Trazabilidad
Procedencia y versión
Uso
Comparación y verificación
Conexión
Sectores, impacto, políticas

Repositorio (muestra)

Cada elemento se describe con hechos: tipo de fuente, uso típico, metadatos esperables, y relación con prácticas empresariales. Los títulos son editoriales/ilustrativos; se evitan afirmaciones no verificadas.

Informe de adopción de IA (estructura sugerida)

Tipo: informe · Ámbito: nacional

Incluye metodología, definiciones, indicadores de adopción y recomendaciones de gobernanza. Útil para contextualizar Impacto.

  • Hecho: un informe debe indicar método y muestra.
  • Hecho: las definiciones de “adopción” varían.
  • Hecho: se reportan limitaciones y sesgos de encuesta.

Dataset de empleo y ocupaciones (estructura sugerida)

Tipo: dataset · Uso: análisis

Permite estudiar transición de tareas y demanda de perfiles digitales. Requiere diccionario de variables y licencia clara.

  • Hecho: datasets deben incluir diccionario de datos.
  • Hecho: fechas y periodicidad importan.
  • Hecho: la anonimización puede ser necesaria.

Paper sobre evaluación de sesgo (estructura sugerida)

Tipo: paper · Tema: evaluación

Describe métricas y riesgos de generalización. Conecta con prácticas de validación en Empresas.

  • Hecho: las métricas de equidad dependen del objetivo.
  • Hecho: se reportan supuestos y datasets.
  • Hecho: la reproducibilidad requiere código y datos cuando es posible.

Estándar de gestión de riesgo (estructura sugerida)

Tipo: estándar · Uso: gobernanza

Define controles, documentación y responsabilidades. Se relaciona con Políticas y con auditoría.

  • Hecho: estándares especifican procesos y evidencias.
  • Hecho: se adoptan mediante políticas internas.
  • Hecho: ayudan a comparar madurez entre organizaciones.

Informe de MLOps y operaciones (estructura sugerida)

Tipo: informe · Tema: operación

Resume prácticas de despliegue, monitorización y gestión de cambios. Apoya lectura de deriva y trazabilidad.

  • Hecho: la monitorización cubre latencia, deriva y fallos.
  • Hecho: los registros facilitan auditoría.
  • Hecho: rollback es práctica común en cambios controlados.

Memoria sectorial: salud digital (estructura sugerida)

Tipo: sectorial · Ámbito: salud

Enfatiza validación clínica, protección de datos y limitaciones. Conecta con Sectores.

  • Hecho: la validación clínica es requisito habitual.
  • Hecho: trazabilidad del dataset es relevante.
  • Hecho: los límites deben documentarse.

Hechos verificables (biblioteca)

  • Una fuente debe identificar autoría y fecha.
  • La metodología determina interpretaciones posibles.
  • Las definiciones deben ser explícitas.
  • Los datasets requieren diccionario de variables.
  • Las licencias condicionan reutilización.
  • La trazabilidad incluye versión y cambios.
  • Las comparaciones requieren consistencia temporal.
  • Los informes deben declarar limitaciones.
  • Los estándares se materializan en políticas internas.
  • La reproducibilidad requiere evidencia técnica cuando exista.
  • Las series sectoriales reflejan regulación y criticidad.
  • La privacidad puede limitar granularidad del dato.
  • La seguridad influye en acceso a datos industriales.
  • Los enlaces permanentes facilitan archivo.
  • La revisión editorial distingue hechos de opiniones.

Formulario de contacto (GDPR)

Envía un enlace a una fuente pública para clasificarla en Biblioteca.