Transparencia y Veracidad en el Uso de Datos

Fuente de la imagen: mvc realizada con el recurso notebook

La inteligencia artificial (IA) forma parte de las aplicaciones que utilizamos cada día, desde los sistemas que recomiendan canciones hasta los programas que asisten en la selección de perfiles para un empleo (Khandan y Jafari Moghaddam, 2025). Pero esta tecnología necesita alimentarse de volúmenes masivos de información para aprender a realizar tareas de manera automática, permitiendo, de esta forma, predicciones más exactas y procesos más veloces (Khandan y Jafari Moghaddam, 2025). Ahora bien, si tales activos carecen de una supervisión rigurosa, pueden aparecer errores que perjudican injustamente a determinados grupos sociales o filtraciones que vulneran la intimidad de las personas (Abhishek et al., 2025): Integridad y Resguardo en la Era Algorítmica (Velasco, 2026). Las entidades que desarrollan estos sistemas tienen la obligación de establecer normas claras sobre quién asume la responsabilidad de la información y cómo se asegura su veracidad antes de que los algoritmos tomen decisiones que afecten a la vida de la gente (Grupo Atico34, 2025). La administración responsable de estos activos garantiza que los resultados sean precisos y éticos, evitando que las máquinas reproduzcan y aumenten los prejuicios presentes en sus datos de entrenamiento (Abhishek et al., 2025). De este modo, el control de la información deja de ser un mero requisito legal para ser el cimiento que permite a las organizaciones actuar con integridad y ganarse la seguridad de sus usuarios (Khandan y Jafari Moghaddam, 2025). Asegurando que los datos son de alta calidad y que su uso es transparente, las empresas evitan sanciones y logran que la tecnología sea una herramienta de ayuda real para el conjunto de la sociedad (OECD, 2024). Esta visión renovada de la gestión tecnológica permite que la innovación avance de la mano con la protección de los valores democráticos y el respeto a la soberanía de los datos nacionales (OECD, 2024; Abhishek et al., 2025).

Fuente de la imagen:  Integridad y Resguardo en la Era Algorítmica. Sitio Protección de Datos (Velasco, 2026)

Para que la ciudadanía pueda confiar plenamente en las máquinas, es necesario que las organizaciones expliquen con sencillez el origen de la información y las limitaciones de sus sistemas inteligentes (OECD, 2024). Una manera de lograrlo consiste en aplicar tecnologías avanzadas, como el aprendizaje federado o el uso de datos sintéticos, que permiten que las máquinas aprendan sin necesidad de acceder directamente a los datos personales brutos, manteniendo la identidad protegida bajo mecanismos digitales que impiden el acceso no autorizado (Oladosu et al., 2024; OECD, 2024). Del mismo modo, es apremiante que las empresas realicen revisiones constantes para detectar cualquier comportamiento extraño o injusto mientras el sistema opera en el mundo real, corrigiendo desviaciones antes de que causen perjuicios (Databricks, 2026). Uniendo los conocimientos de expertos en leyes, informática y ciencias sociales mediante comités de ética, las instituciones consiguen que el progreso técnico se realice siempre con respeto a la dignidad de cada individuo (OECD, 2024; Oladosu et al., 2024). Así pues, la rectitud institucional se alcanza cuando el resguardo de la privacidad se planea desde el primer momento en que se empieza a diseñar un sistema, buscando un equilibrio entre la utilidad técnica y la protección de los derechos individuales (Oladosu et al., 2024). De esta forma, el éxito de la transformación digital dependerá de la voluntad colectiva para manejar los datos con transparencia y equidad, clasificando los riesgos según los niveles establecidos por normativas internacionales (Khandan y Jafari Moghaddam, 2025; Grupo Atico34, 2025). Y es que las mejores estrategias organizacionales serán aquéllas que pongan el bienestar de las personas por delante de la rapidez en la adopción tecnológica (OECD, 2024). Así que mediante un compromiso firme con la transparencia se podrá construir un futuro donde la automatización sea sinónimo de progreso y respeto humano (Databricks, 2026).

______________

Bibliografía

Abhishek, A., Erickson, L. y Bandopadhyay, T. (2025). Data and AI governance: Promoting equity, ethics, and fairness in large language models. MIT Science Policy Review.

Databricks. (2026). Un marco práctico de gobernanza de la IA para empresas. Blog de Databricks.

Grupo Atico34. (2025). Gobernanza de datos personales de la IA. Grupo Atico34.

Khandan, A. y Jafari Moghaddam, F. (2025). Data Governance, Ethics, and AI Guidelines in Strategic Decision-Making. Advanced Journal of Management, Humanity and Social Science.

OECD. (2024). AI, data governance, and privacy: Synergies and areas of international co-operation. OECD Artificial Intelligence Papers.

Oladosu, S. A., Ike, C. C., Adepoju, P. A., Afolabi, A. I., Ige, A. B. y Amoo, O. O. (2024). Frameworks for ethical data governance in machine learning: Privacy, fairness, and business optimization. Magna Scientia Advanced Research and Reviews.

Velasco-Carretero, M. (2026). Integridad y Resguardo en la Era Algorítmica. Sitio Protección de Datos. Visitado el 16/9/2026.