Ir al contenido principal
Volver al Glosario

Trazabilidad algorítmica

La capacidad de reconstruir, paso a paso, cómo y por qué un sistema de IA llegó a una decisión: qué datos usó, qué pasos siguió y en qué momento. Es la base para auditar y responsabilizar.

Última revisión:
Fuentes:
3 fuentes · 3 verificadas

La trazabilidad algorítmica es la condición para que una decisión automatizada pueda revisarse después. Si un sistema rechaza un crédito, asigna una prioridad médica o filtra un contenido, la trazabilidad permite reconstruir el camino: qué entradas tuvo, qué pasos siguió el modelo y qué produjo cada etapa. Sin eso, la decisión es una caja negra imposible de auditar o de impugnar.

La idea es central en la gobernanza contemporánea. Diakopoulos (2016) la formuló como parte de la rendición de cuentas de los algoritmos: la transparencia que importa no es exponer el código, sino conservar registros —logs— que permitan explicar y atribuir. El marco del NIST (2023) incluye la trazabilidad entre las propiedades de una IA confiable, y la Ley de IA de la Unión Europea (2024) impone obligaciones de registro (logging) para los sistemas de alto riesgo.

La trazabilidad es importante y, a la vez, resistida. Conservar registros cuesta, choca con el secreto comercial y con la privacidad de los datos, y un log no garantiza por sí solo explicación. Por eso el debate no es si conviene trazar (sí), sino cuánto, durante cuánto tiempo y bajo qué salvaguardias, para que la trazabilidad sea herramienta de confianza y no mera vitrina.

En la práctica, trazar una decisión no es sólo guardar un archivo de registro: implica decidir qué se guarda (¿el dato de entrada completo? ¿sólo un resumen?), por cuánto tiempo, quién puede consultarlo y cómo se protege ese mismo registro —que a menudo contiene datos personales sensibles— de un uso indebido. Un sistema puede cumplir con la letra de "guardar logs" y aun así no ofrecer una explicación útil para la persona afectada por la decisión.

Por eso la trazabilidad se evalúa cada vez más junto a otro criterio: la explicabilidad, es decir, si además de reconstruir el camino técnico de una decisión, se puede traducir ese camino a una razón comprensible para quien no diseñó el sistema. Tener el registro es necesario pero no basta por sí solo; sin él, en cambio, ni siquiera hay de dónde partir.

¿Por qué te importa?

Si una decisión automatizada te afecta —un crédito, una cobertura, una postulación— la trazabilidad es lo que permite pedir explicaciones y reclamar. Y para una empresa que usa IA, es lo que separa un sistema auditable de un riesgo legal y reputacional.

Ejemplos

  • La obligación de registro (logging) para sistemas de IA de alto riesgo en la Ley de IA de la UE (2024).
  • La inclusión de la trazabilidad como propiedad de la IA confiable en el NIST AI RMF (2023).
  • La investigación sobre rendición de cuentas algorítmica desde el periodismo computacional (Diakopoulos, 2016).

Términos relacionados

Debate y controversia

Hay tensión real entre trazabilidad y secretos comerciales o privacidad de datos, lo que lleva a disputas sobre cuánto registrar y por cuánto tiempo. Se discute además si el registro técnico basta para explicar decisiones complejas o si la 'transparencia' deviene a veces en teatro regulatorio sin sustancia.

Fuentes

  • Nicholas Diakopoulos · 2016

    Verificada vía metadatos Crossref del DOI 10.1145/2844110 (Communications of the ACM, vol. 59, n.º 2, 2016, autor confirmado). La página editorial (dl.acm.org) bloquea la lectura automatizada (403); el DOI es autoritativo.

  • NIST (EE. UU.) · 2023

    WebFetch confirmó la página oficial de NIST, AI RMF 1.0 (2023); incluye trazabilidad y transparencia entre las propiedades de la IA confiable.

  • Parlamento Europeo y Consejo (EUR-Lex) · 2024

    WebFetch confirmó la página oficial de EUR-Lex, Reglamento (UE) 2024/1689 de 13 de junio de 2024, que impone registro (logging) para sistemas de IA de alto riesgo.

Aparece en los dossiers