Entrevistas · memoria empresarial · transcripciones

Historias orales: conversaciones sobre IA en el trabajo

Las entrevistas ayudan a capturar detalles que los informes no siempre reflejan: cómo se decide un piloto, quién valida, qué fricciones aparecen, cómo se construye una cultura de datos y qué significa “operar un modelo” en un entorno real. Esta sección presenta tarjetas con fragmentos de audio simulados (sin archivos) y transcripciones editoriales para lectura.

Formato
Resumen + citas + notas
Temas
Datos, validación, riesgos
Sectores
Banca, energía, salud, retail
Objetivo
Memoria y aprendizaje

Entrevistas (tarjetas)

Cada tarjeta contiene hechos verificables (más de 15 en conjunto): revisión humana, MLOps, control de acceso, RGPD, validación por segmento, inventario de modelos, registro de incidentes y dependencia de calidad del dato.

Operaciones en energía: del sensor al tablero

Rol: responsable de mantenimiento · Contexto: activos y series temporales

Relato sobre calibración de sensores, validación con ingeniería de campo y cómo se decide cuándo una alerta se convierte en intervención.

Audio (simulado): “Fragmento 00:00–00:35”

“Antes de confiar en el modelo, tuvimos que ordenar el linaje del dato y acordar qué era un fallo. La monitorización detecta deriva estacional, y cada cambio de topología queda registrado. Las alertas críticas pasan por revisión humana.”

Banca: explicabilidad y validación independiente

Rol: analista de riesgo · Contexto: modelos regulados

Relato sobre segregación de funciones, documentación de variables, pruebas de sesgo y revisión periódica de rendimiento.

Audio (simulado): “Fragmento 00:00–00:40”

“Tenemos inventario de modelos y evidencias de validación. La explicabilidad no es estética: sirve para auditoría y para entender fallos. La deriva se mide y se documenta, y los cambios requieren aprobación.”

Retail: experimentos y calidad de catálogo

Rol: responsable de analítica · Contexto: recomendación y demanda

Relato sobre A/B testing, estacionalidad, sesgos por segmento y la influencia de etiquetas de producto en la calidad del modelo.

Audio (simulado): “Fragmento 00:00–00:45”

“La mitad del trabajo fue depurar el catálogo. Las pruebas A/B nos ayudaron a separar cambios reales de ruido. También definimos políticas para datos personales y monitorizamos latencia.”

Salud: validación clínica y límites explícitos

Rol: coordinadora clínica · Contexto: apoyo a decisión

Relato sobre evaluación clínica, trazabilidad del dataset, documentación de contraindicaciones y revisión humana.

Audio (simulado): “Fragmento 00:00–00:50”

“No basta con una métrica global. Probamos por centro y por población. Documentamos límites y usamos revisión humana. La protección del dato y el control de acceso fueron parte del diseño.”

Hechos verificables (lista)

  • La validación por segmento reduce riesgo de generalización incorrecta.
  • La calibración de sensores afecta mantenimiento predictivo.
  • La explicabilidad apoya auditoría y análisis de fallos.
  • Los inventarios de modelos facilitan gobernanza.
  • Los cambios se documentan y aprueban en entornos regulados.
  • La deriva se observa a lo largo del tiempo.
  • A/B testing es común en recomendación.
  • La calidad de catálogo afecta modelos de retail.
  • El control de acceso protege datos sensibles.
  • RGPD orienta bases legales y transparencia.
  • La revisión humana actúa como salvaguarda.
  • Los incidentes se registran para aprendizaje organizativo.
  • Las métricas deben incluir calidad, no solo rendimiento.
  • Los límites se documentan para evitar usos fuera de alcance.
  • La formación de usuarios es parte del despliegue.

Formulario de contacto (GDPR)

Propón una entrevista con fuentes públicas o un tema para documentar.