Exactitud de los datos (accuracy).

NATURALEZA

No es un concepto exclusivo de la IA. Hace referencia a la fidelidad de un dato, cálculo, o medida, evitando sesgos o direcciones equivocadas y adecuándose a la realidad, es un principio que se emplea en diversas disciplinas como son la ingeniería o la estadística, también en el terreno de la inteligencia artificial y el tratamiento de datos.

CONCEPTO

La exactitud es un componente de la calidad de los datos, para que sean precisos, deben tener un valor correcto y representarse deforma coherente y sin ambigüedades. Deben también venir actualizados cuando sea necesario y, en todo caso, periódicamente. El incumplimiento de este principio genera responsabilidad de los responsables y encargados, y de todos los que accedan a los datos y tomen decisiones. Pero no será imputable la inexactitud de los datos personales al responsable del tratamiento cuando haya adoptado las medidas razonables para que se supriman o rectifiquen sin dilación, o cuando los datos inexactos hayan sido obtenidos: directamente del afectado, de un mediador o intermediario, quien asumirá las responsabilidades, de otro responsable en virtud del ejercicio del derecho de portabilidad, o de un registro público (artículo 4 LOPDD y artículo 5 del Reglamento (UE) 2016/679). Una organización que almacene datos debe tener un proceso de control de su calidad. Son datos inexactos: los incompletos, faltos de fiabilidad, y los incoherentes o inconsistentes en su representación, y pueden merecer su rectificación o supresión.

IMPORTANCIA

La exactitud de los datos sirve a la veracidad en la información y a la utilidad de su tratamiento. Por otro lado, datos de baja calidad suponen una merma de eficacia de las decisiones de los sistemas de IA y generan todo tipo de problemas. Resulta extremadamente difícil diseñar herramientas de IA a partir de datos que no sean exactos

USOS Y RIESGOS

Los desafíos pueden venir de diversas vías en cualquier sistema.
Son inevitables los errores humanos en entradas manuales, a causa de errores tipográficos, de edición o en la composición del texto, que se perpetúan en el almacenamiento. Otra segunda causa emana de la decadencia u obsolescencia, una pérdida progresiva del valor o calidad de los datos, porque el transcurso del tiempo los haga inexactos según se transforman los contextos y distintos elementos que cambian constantemente. Una tercera, deriva del movimiento de datos de un sistema a otro y puede emanar del
software
y de su nueva ubicación o formato. El riesgo evidente es que a partir de esos datos (inexactos) se generan respuestas automatizadas inadecuadas por lo que es esencial una política activa en la garantía de la exactitud de los datos usados para diseñar y entrenar herramientas de IA.

AUTORES

Javier García Roca

Privacy Settings
We use cookies to enhance your experience while using our website. If you are using our Services via a browser you can restrict, block or remove cookies through your web browser settings. We also use content and scripts from third parties that may use tracking technologies. You can selectively provide your consent below to allow such third party embeds. For complete information about the cookies we use, data we collect and how we process them, please check our Privacy Policy
Youtube
Consent to display content from - Youtube
Vimeo
Consent to display content from - Vimeo
Google Maps
Consent to display content from - Google
Spotify
Consent to display content from - Spotify
Sound Cloud
Consent to display content from - Sound