La creciente dependencia de los ecosistemas digitales y de inteligencia artificial respecto de la calidad de los datos que los alimentan ha convertido a la medición objetiva de esa calidad en un requisito casi tan importante como el desarrollo de los propios modelos. Este informe técnico del comité de Soluciones de Datos de ETSI responde a esa necesidad estableciendo un marco estandarizado que define dieciocho métricas de calidad de datos, organizadas en dimensiones intrínsecas (como la exactitud o la integridad) y contextuales (como la oportunidad o la cobertura), cada una acompañada de su definición formal, referencias a normas internacionales previas como ISO/IEC 25012 e ISO 8000, y una fórmula matemática que permite calcularla de manera reproducible.

Entre las métricas desarrolladas se encuentran algunas ya familiares en la gestión de datos, como completitud, exactitud, coherencia, unicidad y disponibilidad, junto con otras que responden específicamente a los retos de los sistemas de aprendizaje automático, como la calidad de las etiquetas de entrenamiento, el sesgo de medición, el sesgo de representación y el anonimato frente al riesgo de reidentificación. Para cada métrica, el documento no se limita a la fórmula: incluye un ejemplo numérico completo, con conjuntos de datos ilustrativos y cálculos desarrollados paso a paso, lo que convierte al informe en una guía tanto conceptual como aplicada para equipos técnicos que deban auditar sus propios datos.

La validez práctica de este marco se pone a prueba mediante dos estudios de caso deliberadamente distintos. El primero analiza datos de series temporales provenientes de sensores de motores de turbina de aeronaves de la NASA, un entorno típico de Internet Industrial de las Cosas donde la exactitud física, la estabilidad temporal y la oportunidad de los datos resultan determinantes para la seguridad operativa; en este caso, el conjunto de datos simulado alcanzó puntajes de integridad prácticamente perfectos. El segundo estudio examina un conjunto de datos demográficos del censo estadounidense utilizado habitualmente para entrenar modelos de clasificación de ingresos, donde las métricas relevantes cambian de naturaleza: el análisis reveló una tasa de impacto dispar de 0,36 entre hombres y mujeres en la probabilidad de clasificación como ingresos altos, evidencia cuantificable de sesgo de representación, además de un riesgo de reidentificación del 100% en ciertas combinaciones de atributos demográficos poco frecuentes.

De la comparación entre ambos casos, el informe extrae una conclusión que resulta especialmente relevante para cualquier organización que busque auditar sus datos: la relevancia de cada métrica depende del dominio y del uso previsto de la información. En entornos industriales, las prioridades giran en torno a la integridad física y la fiabilidad operativa, mientras que en datos sociales o de entrenamiento de IA, las prioridades se desplazan hacia la equidad, el anonimato y la ausencia de sesgos discriminatorios. El documento subraya además que buena parte de estas métricas no pueden calcularse a partir del dato en bruto por sí solo, sino que requieren metadatos externos, umbrales de referencia del dominio o reglas de negocio documentadas, lo que convierte a la gobernanza de metadatos en un habilitador tan importante como la medición misma. Como líneas de trabajo futuro, ETSI propone transformar estas definiciones descriptivas en una especificación técnica normativa y desarrollar metodologías y fórmulas de prueba estandarizadas que permitan una verificación automatizada y reproducible, sentando así las bases para que los propios responsables de los datos puedan certificar y comunicar de forma transparente la confiabilidad de sus conjuntos de información dentro de ecosistemas digitales cada vez más interconectados.

Para leer más ingrese a:

https://www.etsi.org/deliver/etsi_tr/104100_104199/104180/01.01.01_60/tr_104180v010101p.pdf

https://www.etsi.org/deliver/etsi_tr/104100_104199/104180/01.01.01_60/tr_104180v010101p.pdf