The Taxonomy

A shared vocabulary for describing technology.

Each category is a question people ask about a technology, and its elements are the answers. Choose a category, then an element, to see its icon and what it means. New to the terms? Read the concepts.

Español: machine reviewed translation.It has not been checked by a fluent reviewer.Translation status

Propósito

¿Cuál es el propósito de este sistema?

Por qué existe este sistema — el resultado que se busca lograr con él.

AccesibilidadGarantiza que todas las personas tengan igual acceso a un espacio o servicio.

Artes y culturaHace posible la expresión artística y/o cultural.

Fronteras e inmigraciónApoya decisiones o trámites de inmigración, asilo o cruce de fronteras — por ejemplo, reconocimiento facial en el control fronterizo, resolución de visas, evaluación de riesgo en casos de asilo.

ComercioHace posible la compra y venta de bienes y servicios.

Moderación de contenidoFiltra, ordena o elimina contenido generado por los usuarios según ciertas políticas — por ejemplo, moderación de comentarios en un quiosco de uso público, filtrado de imágenes o detección de discurso de odio.

Servicios de comidaPara brindar servicios de alimentos o comidas.

EcologíaApoya la medición o el monitoreo del entorno natural.

Educación y aprendizajeApoya la enseñanza, el aprendizaje, la evaluación o la orientación educativa — por ejemplo, asistentes de tutoría, calificación automatizada o sistemas de recomendación de bibliotecas y museos.

Elegibilidad y beneficios públicosDetermina la elegibilidad para recibir beneficios del gobierno y servicios públicos esenciales, o su distribución — por ejemplo, asignación de asistencia social, ayuda para la vivienda, puntajes de riesgo en servicios de protección infantil.

Empleo y trabajoApoya la contratación, la programación de horarios, la evaluación del desempeño o las operaciones del lugar de trabajo — por ejemplo, filtrado de currículums, asignación de turnos, monitoreo de la productividad.

Eficiencia energéticaReduce el consumo de energía y/o ayuda a ahorrarla.

Aplicación de normasSe usa para hacer cumplir normas o reglamentos.

IngresoApoya la autenticación o validación para acceder a un espacio o servicio.

Servicios financierosApoya préstamos, seguros, detección de fraude u otras decisiones financieras sobre personas — por ejemplo, puntajes de crédito, evaluación de riesgos para seguros, alertas de fraude en transacciones.

Incendios y emergenciasApoya los servicios que protegen la seguridad y la salud públicas en situaciones de emergencia.

Salud ambientalMide o monitorea aspectos del entorno físico que afectan la salud humana — calidad del aire, calidad del agua, radiación, ruido o exposiciones en el lugar de trabajo. Se distingue de Atención médica, que apoya la atención clínica de las personas.

Atención médicaApoya la atención clínica de las personas — por ejemplo, ayuda para el diagnóstico, recomendaciones de tratamiento, triaje de pacientes o chatbots de salud. Se distingue de Salud ambiental, que monitorea el entorno físico.

InformarApoya la asistencia informativa de uso general — conserjería, preguntas frecuentes, señalización u orientación sobre un servicio. Se distingue de Orientación y servicios, que abarca la orientación espacial y las rutas dentro de un lugar.

LogísticaApoya el traslado de bienes o materiales.

Marketing y personalizaciónDirige publicidad, personaliza recomendaciones o elabora perfiles de audiencias con fines de marketing — por ejemplo, ofertas de fidelidad en tiendas, señalización personalizada, publicidad dirigida según el comportamiento.

MovilidadApoya la forma en que se desplazan las personas y los materiales.

Planificación y toma de decisionesApoya los pronósticos y el análisis del impacto de políticas a nivel de población o de sistema — por ejemplo, planificación urbana, planificación de infraestructura o medición del impacto de una decisión de política pública. Se distingue de Evaluación de riesgos y triaje, que asigna puntajes a personas.

Investigación y desarrolloApoya un instrumento de investigación implementado — un sistema que estudia un lugar, una población o un entorno como parte de un programa de investigación. Se distingue de un sistema en producción, que presta un servicio al público.

Evaluación de riesgos y triajeAsigna puntajes o prioridades a personas o casos para darles más atención o tomar medidas — por ejemplo, puntajes de reincidencia, triaje hospitalario, alertas de riesgo en protección infantil. Se distingue de Planificación y toma de decisiones, que hace pronósticos a nivel de población o de sistema.

Seguridad y protecciónApoya la reducción preventiva de riesgos en entornos físicos — por ejemplo, seguridad contra incendios, seguridad en el hogar o garantizar un paso seguro en aeropuertos o carreteras. Se distingue de Aplicación de normas (hacer cumplir las reglas) y de Incendios y emergencias (respuesta a incidentes).

Traducción y acceso lingüísticoTraduce voz, texto o letreros para que un lugar o servicio sea accesible en varios idiomas — por ejemplo, interpretación en tiempo real en un mostrador de atención, señalización multilingüe.

Gestión de residuosApoya el manejo y la disposición de residuos, incluidos los reciclables, el compost y los materiales peligrosos.

Uso eficiente del aguaReduce el consumo de agua y/o ayuda a ahorrarla.

Orientación y serviciosPermite orientarse en un lugar y encontrar sus instalaciones y servicios.

Responsable

¿Quién es responsable de este sistema?

La organización responsable de implementar y operar este sistema.

Context: Rol

Cómo participa esta organización en la implementación del sistema.

ProveedorLa organización que desarrolla, suministra o licencia el sistema.

ImplementadorLa organización que implementa y opera el sistema en este lugar.

InstituciónLa entidad responsable de este sistema y que rinde cuentas por él

OrganizaciónLa entidad responsable de este sistema y que rinde cuentas por él

Personas afectadas

¿A quiénes se aplica este sistema?

Las personas a las que se aplica este sistema, o cuyas vidas se ven afectadas por sus decisiones — incluidas las que nunca eligieron interactuar con él.

Context: Relación

Cómo afecta este sistema a esta persona o grupo.

Objeto de una decisiónEl sistema produce un resultado sobre esta persona que la afecta directamente — un puntaje, una coincidencia, una decisión de elegibilidad.

Captación incidentalPersonas que quedan incluidas en los datos del sistema aunque este no tome una decisión sobre ellas — un rostro en el fondo de una cámara que apunta a otro lado.

Comunidad en generalUn lugar o grupo afectado colectivamente, más allá de las personas cuyos datos procesa el sistema — un barrio bajo vigilancia, un grupo de trabajadores ordenados en un ranking.

PersonasLas personas a las que se aplica este sistema, o cuyas vidas se ven afectadas por sus decisiones.

Qué hace

¿Qué hace este sistema?

Las acciones de este sistema, dichas con verbos de todos los días — percibe, predice, decide, crea, mueve. Nombrar los verbos ayuda a razonar sobre qué toca el sistema y qué podría salir mal.

Context: Intervención humana

Quién cierra el ciclo — una señal rápida, a nivel de todo el sistema, de cuánto funciona sin una persona, que se muestra en el verbo al que da color. Es una caracterización general de la implementación, no una auditoría técnica.

Una persona decideEste sistema sugiere o informa; una persona toma la decisión antes de que algo surta efecto. Ejemplo: una herramienta de triaje ordena los casos para un profesional clínico, que elige cuáles atender primero.

Una persona lo supervisa o lo ejecutaEste sistema obtiene el resultado por sí solo; las personas lo supervisan, pueden intervenir o ejecutan el resultado ellas mismas. Ejemplo: un optimizador planifica las rutas de recolección del día y quienes conducen las recorren.

Funciona por sí soloEste sistema decide y surte efecto sin que una persona revise cada resultado. Ejemplo: un peaje que cambia su precio y cobra automáticamente según varía el tráfico.

ActúaActúa — convierte un objetivo en pasos y los ejecuta mediante software: usa herramientas, hace reservas, presenta trámites, escala casos y ejecuta flujos de trabajo de varios pasos en nombre de alguien. El resultado es una acción realizada, no un contenido que se entrega. Ejemplos: agendar una reunión, presentar una declaración, escalar una solicitud de soporte. Cuando la acción mueve algo físico, eso es Mueve.

RespondeResponde — contesta las preguntas de las personas en una conversación: un chatbot, un asistente de voz, una línea telefónica automatizada. Mantiene un intercambio dirigido a usted en el momento. Ejemplos: un chatbot de transporte público que explica un retraso, una línea de atención que canaliza su solicitud. Se distingue de Crea, que produce contenido que después existe por sí solo.

CreaCrea — produce texto, imágenes, audio, video o código nuevos que no existían antes de que este sistema funcionara. El resultado es contenido elaborado por el sistema, no una etiqueta ni un puntaje sobre datos existentes. Ejemplos: redactar un párrafo a partir de una instrucción, generar una imagen a partir de una descripción, componer audio, completar código. Se distingue de Responde, que le contesta en una conversación.

DecideDecide — determina un resultado que surte efecto: aprobar o rechazar, fijar un precio, asignar, marcar para que se actúe. Ejemplos: un peaje dinámico fijado según el tráfico, una solicitud aprobada o rechazada, la asignación de una unidad a una llamada. Cuando una persona toma la decisión final a partir de sus sugerencias, eso es Recomienda.

IdentificaIdentifica — reconoce quién es alguien o qué es algo al comparar un rostro, una voz, una huella dactilar, una placa o una cuenta con registros conocidos. Convierte “alguien está aquí” en “esta persona está aquí”. Ejemplos: una coincidencia facial en una puerta de embarque, la consulta de una placa en un pórtico de peaje. Se distingue de Percibe, que detecta sin nombrar.

MueveMueve — actúa sobre el mundo físico. El sistema acciona motores, válvulas, señales u otros actuadores y cambia algo alrededor de usted. Ejemplos: dirigir un robot, cambiar la fase de un semáforo, abrir una puerta, ajustar la ventilación de un edificio, levantar una barrera de estacionamiento.

PredicePredice — estima lo que es probable: un pronóstico, un puntaje de riesgo, una probabilidad. Dice lo que puede pasar; qué hacer al respecto lo decide otra persona u otro sistema. Ejemplos: un pronóstico de la longitud de una fila, un puntaje de riesgo crediticio, una predicción de aglomeración para la próxima hora. Se distingue de Decide, que hace que un resultado surta efecto.

RecomiendaRecomienda — sugiere opciones para que una persona elija: un ranking, una lista corta, una ruta o un tratamiento sugeridos. Nada surte efecto hasta que alguien acepta la sugerencia. Ejemplos: un ranking de triaje para un profesional clínico, una ruta alterna ofrecida a quien conduce, productos que se muestran primero. Se distingue de Decide, donde el resultado surte efecto por sí solo.

PercibePercibe — convierte señales sin procesar de cámaras, micrófonos o sensores en cosas que el resto del sistema puede usar: detecciones, transcripciones, lecturas. Incluye el monitoreo continuo que está atento a ciertos eventos. Ejemplos: detectar un vehículo en la imagen de una cámara, transcribir una frase hablada, notar que un andén está lleno de gente. Se distingue de Identifica, que le pone nombre a quién o qué percibe.

ComprendeComprende — extrae el significado de un texto o de la voz, encuentra ideas relacionadas y conecta lo que lee con el contexto guardado. Entrega coincidencias, intenciones, resúmenes o enlaces a conocimientos previos relevantes, no contenido nuevo. Ejemplos: relacionar una pregunta con el artículo de ayuda correcto, recuperar la cláusula de una política que se aplica a un caso, reconocer el tema de una oración.

Riesgos y mitigación

¿Cuáles son los riesgos y cómo se mitigan?

Los riesgos que este sistema podría generar y cómo se están atendiendo.

Pérdida de autonomíaEl riesgo de que este sistema limite la capacidad de una persona para tomar sus propias decisiones, controlar su identidad o elegir libremente. Esto incluye riesgos de acceso restringido a alternativas, diseño engañoso que empuja las decisiones hacia un resultado particular y falta de consentimiento real. Las medidas de mitigación pueden incluir mecanismos de exclusión voluntaria, recomendaciones transparentes, opciones predeterminadas que protejan la capacidad de decidir y revisión humana de las decisiones con consecuencias importantes.

Daño a las libertades civilesEl riesgo de que este sistema comprometa derechos humanos fundamentales y libertades civiles — expresión, reunión, libre circulación, debido proceso o la protección contra la vigilancia arbitraria. Esto incluye riesgos derivados del reconocimiento facial masivo, la vigilancia policial predictiva, la censura de expresiones lícitas y los efectos inhibidores sobre la protesta. Las medidas de mitigación pueden incluir límites estrictos de propósito, supervisión judicial o independiente, una conservación de datos acotada y evaluaciones de impacto en los derechos humanos antes de la implementación.

Daño ambientalEl riesgo de que este sistema cause deterioro ambiental por su consumo de energía, uso de agua, residuos electrónicos, emisiones de carbono o extracción de recursos para fabricar equipos. Esto incluye riesgos derivados del cómputo para el entrenamiento, de la inferencia siempre activa, de las necesidades de enfriamiento de los centros de datos y del reemplazo acelerado de equipos. Las medidas de mitigación pueden incluir metas de eficiencia energética y de agua, informes transparentes sobre la huella de cómputo, planificación del ciclo de vida de los equipos y compra de energía renovable para la operación de los centros de datos.

Daño financiero y comercialEl riesgo de que este sistema cause pérdidas financieras a las personas o daños a las organizaciones por precios erróneos, servicios negados, fraude o manipulación del mercado. Esto incluye riesgos derivados de decisiones de crédito automatizadas, desigualdades en los precios dinámicos, estafas facilitadas por IA y alteraciones de la cadena de suministro por uso indebido. Las medidas de mitigación pueden incluir protecciones de asequibilidad, auditorías de equidad de los modelos de precios, capas de detección de fraude y procedimientos claros de reparación.

Daño físicoEl riesgo de que los resultados de este sistema provoquen lesiones físicas a personas o daños a la propiedad. Esto incluye riesgos derivados de vehículos autónomos, movimientos de robots, indicaciones de navegación defectuosas o errores en infraestructura crítica que pongan en peligro a personas o bienes. Las medidas de mitigación pueden incluir pruebas de seguridad rigurosas, configuraciones predeterminadas a prueba de fallas, geocercas que limiten comportamientos peligrosos y supervisión humana de las acciones físicas de alto riesgo.

Daño político y económicoEl riesgo de que este sistema manipule el debate político, interfiera en elecciones, concentre poder de mercado o dañe a las instituciones públicas. Esto incluye riesgos de contenido sintético dirigido a votantes, publicidad dirigida de forma opaca, distorsión de la competencia por el acceso monopólico a datos y capacidad de cómputo, y erosión de la confianza en las instituciones. Las medidas de mitigación pueden incluir la divulgación del contenido sintético, la vigilancia antimonopolio de los mercados de IA, el acceso de los organismos reguladores para auditar y requisitos de transparencia para la publicidad política.

Pérdida de privacidadEl riesgo de que este sistema capte, infiera o revele sobre las personas más de lo que ellas esperan o aceptaron. Esto incluye riesgos de rastreo de los movimientos de las personas a lo largo del tiempo, reidentificación de datos que debían ser anónimos, vinculación de registros entre sistemas para crear perfiles y reutilización de los datos para propósitos distintos del declarado. Las medidas de mitigación pueden incluir recopilar solo lo necesario, procesar los datos en el dispositivo, anonimizarlos en el momento de la captura, periodos de conservación cortos y evaluaciones de impacto en la privacidad antes de la implementación.

Daño psicológicoEl riesgo de que este sistema cause, directa o indirectamente, un deterioro emocional o de la salud mental. Esto incluye riesgos derivados de ciclos de retroalimentación adictivos, la angustia causada por la vigilancia, el acoso mediante contenido generado y la ansiedad por rechazos automatizados. Las medidas de mitigación pueden incluir advertencias de contenido, protecciones del bienestar, un diseño adecuado para cada edad, canales de apoyo accesibles y límites a los comportamientos que buscan maximizar la interacción.

Daño a la reputaciónEl riesgo de que este sistema dañe la reputación de personas, grupos u organizaciones mediante identificaciones erróneas, categorizaciones falsas o etiquetas estigmatizantes. Esto incluye riesgos de reconocimiento facial inexacto, contenido generado difamatorio y puntajes públicos injustos que siguen a las personas de un contexto a otro. Las medidas de mitigación pueden incluir umbrales de precisión antes de aplicar etiquetas visibles al público, revisión humana de las identificaciones de alto impacto, procedimientos de retiro de contenido y derechos claros de corrección.

Brecha de seguridad y de datosEl riesgo de que alguien que no debería tenerlos acceda a este sistema o a los datos que guarda, los robe, los altere o tome su control. Esto incluye riesgos derivados de cámaras o sensores hackeados, bases de datos filtradas, transmisiones interceptadas, uso indebido por parte de personal interno y manipulaciones que hacen que un sistema informe o actúe de manera falsa. Las medidas de mitigación pueden incluir cifrado de los datos almacenados y en tránsito, controles de acceso estrictos, pruebas de seguridad periódicas, actualizaciones de software oportunas y notificación a las personas afectadas cuando ocurre una brecha.

Daño social y culturalEl riesgo de que este sistema dañe a las comunidades o a la cultura por la erosión de la confianza, la pérdida de diversidad lingüística y cultural o una dependencia poco saludable de sistemas opacos. Esto incluye riesgos de desinformación a gran escala, homogeneización de la expresión cultural, reemplazo del conocimiento local y deterioro de los ecosistemas de información pública. Las medidas de mitigación pueden incluir soporte multilingüe, alianzas con las comunidades afectadas, señales de procedencia en el contenido generado e inversión en modelos adaptados a los idiomas y contextos locales.

Derechos

¿Cuáles son sus derechos?

Lo que usted puede hacer en relación con este sistema — cómo acceder, impugnar o excluirse.

Derecho de accesoEl derecho a solicitar y recibir información sobre qué datos personales ha recopilado sobre usted un sistema, cómo se están usando esos datos y qué decisiones se han tomado con esa información. Esto incluye el derecho a obtener una copia de sus datos en un formato legible.

Derecho a la transparencia algorítmicaEl derecho a que le informen, en lenguaje sencillo, cómo funciona en general un sistema — la lógica que aplica, la importancia del procesamiento y las consecuencias probables para las personas a las que afecta. Es el derecho a entender el sistema en sí; el derecho a una explicación de una decisión específica tomada sobre usted es un derecho aparte.

Derecho al olvidoEl derecho a que sus datos personales se eliminen de un sistema cuando ya no se necesiten para su propósito original, cuando usted retire su consentimiento o cuando no exista un interés legítimo en seguir procesándolos. Cuando sea técnicamente posible, esto también incluye que el sistema “desaprenda” la información derivada de sus datos. Es un derecho de eliminación; el derecho a detener el procesamiento sin eliminar los datos es un derecho aparte.

Derecho a impugnarEl derecho a impugnar una decisión que un sistema tomó sobre usted — a aportar información adicional, expresar su punto de vista y lograr que la decisión se reconsidere a partir de lo que usted aporte. Es un recurso posterior a la decisión; el derecho a una revisión humana antes de que se actúe según una decisión es un derecho aparte.

Derecho a corregir sus datosEl derecho a que se corrijan o completen los datos inexactos o incompletos que un sistema tiene sobre usted. Es distinto del derecho de acceso a sus datos (que es el derecho a leerlos) y del derecho al olvido (que es el derecho a eliminarlos). Cuando se corrigen los datos originales, deben revisarse las decisiones posteriores que se tomaron a partir de los datos erróneos.

Derecho a una explicación de una decisiónEl derecho a una explicación clara y significativa de cómo un sistema contribuyó a una decisión específica que le afecta — qué papel tuvo el sistema, los principales factores que llevaron al resultado y qué significa para usted. Este derecho abarca la decisión que realmente se tomó sobre usted; el derecho a que le informen cómo funciona el sistema en general es un derecho aparte.

Derecho a la no discriminaciónEl derecho a no recibir un trato discriminatorio de un sistema por características protegidas como la raza, el género, la edad, la religión, la discapacidad o la orientación sexual. Las organizaciones deben aplicar, y demostrar que aplican, medidas técnicas y organizativas adecuadas para evitar que sus sistemas produzcan resultados discriminatorios.

Derecho a detener el procesamientoEl derecho a pedirle a una organización que deje de usar sus datos personales, aunque los datos en sí no se eliminen. Es distinto del derecho al olvido (que elimina los datos) y del derecho a la limitación de la finalidad (que restringe los propósitos declarados originalmente). Es la opción de “detener ya” que activa la propia persona — sus datos pueden seguir archivados, pero no deben procesarse más.

Derecho a la limitación de la finalidadEl derecho a que sus datos se usen solo para los propósitos específicos que se declararon cuando se recopilaron. La organización debe declarar y documentar esos propósitos antes de comenzar la recopilación, y tiene prohibido usar después sus datos para propósitos nuevos y no relacionados sin su conocimiento o consentimiento. Es un límite previo que define qué usos pueden llegar a permitirse; el derecho a detener un procesamiento ya en curso es un derecho aparte.

Derecho a una revisión humanaEl derecho a que una persona — y no un sistema automatizado — tome o reconsidere de verdad una decisión que le afecta. Es una vía hacia una decisión no automatizada, distinta del derecho a impugnar una decisión que ya se tomó. La persona que revisa debe tener la autoridad y la información necesarias para cambiar realmente el resultado.

Derecho a saberEl derecho a saber que un sistema está en funcionamiento antes de que recopile datos sobre usted o de que se tome cualquier decisión que le afecte. Esto incluye que le avisen cuando se recopilan datos sobre usted, cuando interactúa con un sistema automatizado y no con una persona, cuando un contenido fue generado por IA y cuando se usa tecnología biométrica o de reconocimiento de emociones. Es la condición previa de todos los demás derechos de esta categoría — usted no puede ejercer derechos que no sabe que le corresponden.

Tecnología de recopilación

¿Qué capta los datos que usa este sistema?

Los dispositivos y canales que captan los datos de entrada de este sistema — cámaras, sensores, micrófonos, formularios o datos provenientes de otros sistemas. Es el instrumento que recopila los datos, distinto del algoritmo que los procesa.

Escáner biométricoCapta un rasgo físico para identificar a alguien — huella dactilar, palma, iris o un escaneo del rostro en una puerta, un quiosco o un torniquete. Es el dispositivo de captación en sí; comparar el escaneo con plantillas almacenadas es reconocimiento biométrico, que aparece en Algoritmo o modelo.

CámaraCapta imágenes fijas o video de un lugar — montada en un poste, un vehículo o un dron, o integrada en un dispositivo. Incluye cámaras infrarrojas y térmicas. Es el dispositivo de captación en sí; las técnicas que analizan las grabaciones aparecen en Algoritmo o modelo, y qué tan identificables son las grabaciones aparece en la categoría Datos de entrada.

Telemetría de dispositivos conectadosLecturas que transmiten automáticamente los objetos conectados — vehículos que informan su velocidad y posición, dispositivos que se llevan puestos y que informan el ritmo cardíaco, medidores inteligentes que informan el consumo de energía, máquinas que informan su propio estado. Es una captación continua que ocurre en segundo plano durante el uso cotidiano.

Sensor ambientalMide las condiciones del entorno — calidad del aire, temperatura, humedad, nivel de ruido, nivel del agua o el clima. Estos sensores leen el entorno, no a las personas, aunque las lecturas de ruido y de aire pueden reflejar actividad humana.

Registros existentesDatos que la organización ya tiene — cuentas de clientes, expedientes, padrones, historiales de transacciones, solicitudes anteriores. No se capta nada nuevo del mundo; el sistema recurre a lo que se registró antes, a veces con un propósito original distinto.

MicrófonoCapta sonido — voz, ruido ambiental o eventos sonoros específicos, como vidrios que se rompen o disparos. Se encuentra en altavoces inteligentes, quioscos, intercomunicadores e instalaciones de monitoreo acústico. Es el dispositivo de captación en sí; el reconocimiento de voz y otros análisis aparecen en Algoritmo o modelo.

Conexión de redConecta este sistema a una red — un módem celular, un punto de acceso wifi o un enlace por cable. Transporta datos en lugar de captarlos, pero los registros de conexión pueden revelar qué dispositivos estaban cerca o conectados, y un punto de acceso que ofrece wifi público es también un servicio al que la gente se conecta.

Posicionamiento y ubicaciónDetermina dónde está algo — receptores GPS en vehículos o aplicaciones, balizas Bluetooth o sistemas de posicionamiento en interiores. Produce rastros de ubicación, uno de los tipos de datos personales más reveladores cuando se vinculan con una persona o con su dispositivo.

Sensor de presencia y movimientoDetecta que alguien o algo está presente, o se mueve, sin captar una imagen — infrarrojo pasivo, ultrasonido, tapetes de presión, contadores en puertas, sensores de ocupación de asientos. Le indica al sistema que un espacio está ocupado, no quién lo ocupa.

Fuente de datos de tercerosDatos recibidos de otra organización — comprados, bajo licencia o entregados mediante una API o un acuerdo de intercambio de datos. Ejemplos: registros de agencias de informes de crédito, servicios meteorológicos, proveedores de mapas, intermediarios de datos. Es posible que las personas descritas en los datos nunca hayan tratado con quien opera este sistema.

Datos que ingresan las personasInformación que las personas proporcionan deliberadamente — un formulario que llenan, un texto que escriben, una búsqueda que hacen, una foto que suben, un comando de voz que dicen. La persona sabe que está entregando algo, a diferencia de la captación que ocurre a su alrededor.

Detección de vehículosDetecta vehículos en una vía o en un espacio — radar, LiDAR, espiras de inducción en el pavimento, bandas piezoeléctricas o detectores montados en pórticos. Se usa para contar el tráfico, medir la velocidad y detectar congestión. Las cámaras de placas corresponden a Cámara.

Detección de señales inalámbricasDetecta las señales de radio que emiten los dispositivos — sondeos wifi de los teléfonos, Bluetooth, etiquetas RFID o toques NFC. Se usa a menudo para contar o seguir dispositivos que se mueven por un espacio; la señal de un dispositivo puede funcionar como un identificador persistente de la persona que lo lleva.

Datos de entrada

¿Qué datos de entrada procesa este sistema?

Los datos de entrada que este sistema implementado procesa cuando funciona.

Context: Información personal

Qué tan identificables son los datos cuando este sistema los procesa. El nombre del elemento dice de qué tratan los datos; este color indica qué tan directamente identifican a una persona.

Datos anonimizadosDatos sobre personas en los que se rompió el vínculo con su identidad. Se les quitaron los identificadores, se difuminaron, se combinaron con los de otras personas o se les añadió ruido para que este sistema no pueda, razonablemente, vincular un registro con una persona.

Datos seudonimizadosLos datos de cada persona están vinculados a un token (hash, identificador, plantilla) que permite a este sistema reconocer a la misma persona en distintos eventos, pero el token por sí solo no revela un nombre. La reidentificación es posible con información adicional.

Datos identificablesLos datos contienen un identificador directo (nombre, dirección, nombre de cuenta, rostro o voz reconocibles, número de placa) o llevan un token que este sistema usa para consultar la identidad legal durante el procesamiento.

Datos sobre una mediciónLecturas de sensores — calidad del aire, temperatura, nivel de sonido, energía, flujo de agua. El sistema recibe mediciones numéricas de sensores físicos, por lo general sin relación con ninguna persona. Ejemplos: lecturas de PM2.5 de un monitor de calidad del aire, niveles de decibeles de un sensor de sonido, kilovatios-hora de un medidor.

Datos sobre un lugarUbicaciones, rutas, alrededores o planos de planta. El sistema recibe datos que describen dónde está algo. Ejemplos: coordenadas GPS de un teléfono, conteos de peatones en una acera, un mapa de los pasillos de un edificio.

Datos sobre el comportamientoToques en pantalla, elecciones, recorridos a pie, tiempo de permanencia, compras o consultas. El sistema recibe registros de lo que hicieron las personas. Ejemplos: destinos seleccionados en un quiosco de orientación, artículos agregados a un carrito, una búsqueda escrita en una terminal pública.

Datos biométricosRostros, huellas dactilares, huellas de voz, forma de caminar, gestos, mirada, postura. El sistema recibe señales biológicas del cuerpo de una persona. Ejemplos: un rostro captado en un torniquete, una voz grabada por el micrófono de un quiosco, la forma de caminar analizada por una cámara instalada en lo alto.

Una decisión sobre ustedUna elegibilidad, clasificación, ranking o un sí/no que otro sistema ya determinó sobre una persona. El sistema recibe esta decisión previa y la usa como dato de entrada. Ejemplos: un puntaje de crédito de otro modelo, una señal de acceso permitido proveniente de un sistema anterior, una categoría de triaje asignada antes en el proceso.

Contenido generadoTexto, imágenes, audio o video creados por un sistema de IA. El sistema recibe este contenido sintético y lo sigue procesando. Ejemplos: un resumen escrito por un modelo de lenguaje (LLM) que se envía a un traductor, una foto generada que pasa a un modelo de moderación, un clip de texto a voz dirigido a un sistema de audio.

Datos operativosHorarios, rutas, presupuestos, conteos de ocupación, registros públicos u otros datos administrativos — que no tratan de ninguna persona en particular. El sistema recibe datos que describen cómo funciona un lugar o un servicio. Ejemplos: ocupación de una escuela por hora, rutas de recolección de basura, un horario de transporte público, el presupuesto de un departamento.

Una acción físicaUna señal de que algo cambió en el mundo físico — una puerta que se abre, una luz que se enciende, una alerta que suena. El sistema recibe evidencia de estos cambios desde actuadores o sensores anteriores en el proceso. Ejemplos: un evento de desbloqueo de un torniquete, un ajuste de climatización registrado por un sensor, una alerta emitida antes por altavoces.

Una recomendación o predicciónUna sugerencia, pronóstico, puntaje de riesgo o ranking que otro sistema produjo antes. El sistema recibe este resultado orientativo y lo usa. Se distingue de una decisión vinculante porque aconseja en lugar de determinar. Ejemplos: una curva de demanda pronosticada, un puntaje de riesgo de un modelo anterior, una ruta recomendada por un servicio de navegación.

Datos personales sensiblesSalud, finanzas, creencias, sexualidad, situación migratoria u otra información personal que conlleva riesgos legales y sociales. El sistema recibe este tipo de datos protegidos. Ejemplos: elegibilidad para un seguro en el quiosco de una clínica, el estado de una solicitud de beneficios, un pronombre declarado por la propia persona.

Algoritmo o modelo

¿Qué algoritmo o modelo procesa los datos?

Lo que procesa los datos de entrada — la familia de algoritmos, la clase de modelo o la técnica que se usa para convertir las entradas en resultados.

Análisis de afecto y emocionesTécnicas que infieren el estado emocional, el ánimo o el sentimiento a partir de texto, voz, expresiones faciales o señales fisiológicas. Se usan para medir el sentir de una multitud, evaluar la experiencia de un servicio o detectar señales de angustia. La precisión y la equidad cultural de la inferencia de emociones están en disputa, y algunas jurisdicciones restringen su uso en lugares de trabajo y servicios públicos.

Detección de anomalíasTécnicas que señalan eventos, patrones o valores inusuales que se apartan de una referencia aprendida del comportamiento normal. Se usan para predecir fallas de equipos, detectar fraudes e intrusiones, vigilar fugas de agua y alertar sobre flujos inusuales de multitudes. Sus resultados suelen ser puntajes comparados con un umbral, más que decisiones directas.

Reconocimiento biométricoTécnicas que identifican o verifican a una persona específica a partir de señales biológicas — rostro, huella dactilar, voz, iris o forma de caminar. Se distingue de la visión por computadora genérica porque el resultado está vinculado a una persona con nombre. Muchas jurisdicciones restringen o prohíben el reconocimiento biométrico en espacios de acceso público.

Clasificación y predicciónTécnicas que asignan una etiqueta a una entrada o estiman un resultado numérico — incluidos clasificadores (spam o no spam, nivel de riesgo), modelos de regresión (demanda prevista, espera estimada) y modelos de pronóstico de series de tiempo (pasajeros en la próxima hora, carga de energía). Se construyen a partir de datos históricos etiquetados, con modelos estadísticos o de aprendizaje automático.

Agrupamiento y segmentaciónTécnicas que agrupan personas, lugares o eventos según su similitud, sin usar etiquetas definidas de antemano. Se usan para segmentar audiencias, patrones de movilidad, perfiles de consumo de energía o zonas de demanda de servicios. Sus resultados son asignaciones a grupos que los sistemas posteriores pueden tratar como categorías — aunque los grupos son inferidos, no definidos por una persona.

Visión por computadoraTécnicas que interpretan imágenes o video — cuentan personas, detectan objetos, leen texto en imágenes, siguen movimientos o segmentan escenas. Son comunes en la detección de ocupación, el monitoreo de tráfico y multitudes, la asistencia para la accesibilidad y la inspección de señalización. Se distingue del reconocimiento biométrico, que identifica a personas específicas.

Modelos de lenguajeModelos que leen, escriben, resumen, traducen o mantienen una conversación en lenguaje humano. Incluye los modelos de lenguaje de gran tamaño (LLM), los chatbots y los sistemas que generan texto. Funcionan prediciendo los tokens siguientes más probables a partir de la entrada y de cualquier contexto previo.

OptimizaciónTécnicas que buscan la mejor asignación, ruta, horario o distribución dentro de ciertas restricciones. Incluye rutas de vehículos, sincronización de semáforos para el transporte público, programación de energía y climatización, turnos de personal y asignación de recursos. Funciona explorando posibilidades para maximizar o minimizar un objetivo declarado, como el costo, el tiempo o las emisiones.

Transformación para proteger la privacidadTécnicas cuya tarea principal es transformar los datos de entrada para eliminar, difuminar o reemplazar los detalles que identifican a alguien antes de cualquier uso posterior. Incluye difuminado de rostros, ocultamiento de placas, tokenización, k-anonimización, privacidad diferencial y generación de datos sintéticos. Funciona como una barrera entre los datos recopilados sin procesar y los datos que se usan para análisis o decisiones.

Recomendación y rankingTécnicas que sugieren u ordenan opciones para una persona — servicios, listados, noticias, opciones de orientación — según sus preferencias, su comportamiento o su similitud con otras personas. Incluye filtrado colaborativo, sistemas de recomendación basados en contenido y ranking aprendido. Personaliza lo que ve cada persona a partir del mismo catálogo de base.

Búsqueda y recuperaciónTécnicas que encuentran y muestran contenido relevante de un conjunto de documentos, registros o archivos multimedia en respuesta a una consulta. Incluye búsqueda semántica, recuperación vectorial y procesos de generación aumentada por recuperación (RAG) que entregan pasajes relevantes a un modelo de lenguaje. Se usan para responder preguntas sobre documentos, consultar registros públicos y buscar en bibliotecas o archivos.

Voz y audioTécnicas que convierten las palabras habladas a otros formatos y viceversa, o que clasifican sonidos que no son habla. Incluye voz a texto (transcripción), texto a voz (voz sintética), detección de palabras clave y detección de eventos sonoros. La voz como identidad (reconocer quién habla) corresponde a Reconocimiento biométrico.

Datos de salida

¿Qué produce este sistema?

Los datos de salida que este sistema implementado produce cuando funciona — decisiones, contenido y acciones.

Context: Información personal

Qué tan identificables son los datos cuando este sistema los produce. El nombre del elemento dice de qué trata el resultado; este color indica qué tan directamente identifica a una persona.

Datos anonimizadosResultado sobre personas en el que se rompió el vínculo con su identidad. Se le quitaron los identificadores, se difuminó, se combinó con el de otras personas o se le añadió ruido para que, razonablemente, no pueda vincularse con una persona.

Datos seudonimizadosEl resultado lleva como etiqueta un token (hash, identificador, plantilla) que permite a este sistema vincularlo con la misma persona en distintos eventos sin revelar un nombre. La reidentificación es posible con información adicional.

Datos identificablesEl resultado nombra directamente a una persona (nombre, dirección, cuenta, rostro o voz reconocibles, placa) o lleva un token que este sistema convierte en identidad legal en el mismo paso.

Datos sobre una mediciónEl sistema produce mediciones numéricas a lo largo del tiempo — resultados de sensores, puntajes de calidad derivados, valores pronosticados. Ejemplos: un puntaje de calidad del aire por hora para una plaza, una curva de pasajeros prevista para mañana, una lectura agregada del nivel de ruido publicada en un panel público.

Datos sobre un lugarEl sistema produce un resultado de ubicación, ruta, zona o plano de planta. Ejemplos: una ruta de orientación que se muestra en un quiosco, un mapa de calor de la densidad de peatones, el límite de una geocerca publicado para sistemas posteriores.

Datos sobre el comportamientoEl sistema produce registros de lo que hicieron las personas — recorridos a pie, artículos seleccionados, tiempos de permanencia, patrones de interacción. Ejemplos: un informe semanal de los destinos más visitados, un registro de sesión de las interacciones con una pantalla táctil, una ruta inferida que alguien siguió dentro de un recinto.

Datos biométricosEl sistema produce un resultado que contiene señales biológicas del cuerpo de una persona — plantillas faciales, representaciones numéricas de la voz, vectores de la forma de caminar, secuencias de gestos. Ejemplos: una plantilla facial registrada que se almacena en un sistema posterior, una representación numérica de la voz para compararla más adelante, una firma de la forma de caminar exportada a otro sistema.

Una decisión sobre ustedEl sistema produce una determinación vinculante sobre una persona — elegibilidad, clasificación, ranking o un sí/no. Ejemplos: un sistema de control de acceso que decide abrir una puerta, un resultado automatizado de elegibilidad para beneficios, un filtrado automatizado que descarta a alguien.

Contenido generadoEl sistema produce contenido nuevo — texto, imágenes, audio o video que no existían antes. Ejemplos: un aviso de servicio escrito por un modelo de lenguaje (LLM) que se muestra en un letrero, un anuncio con voz sintetizada que se emite por altavoces, una ilustración generada en un quiosco digital.

Datos operativosEl sistema produce un resultado administrativo — horarios, rutas, estimaciones de ocupación, asignaciones de presupuesto u otros registros sobre cómo funciona un lugar o un servicio. No trata de ninguna persona en particular. Ejemplos: una ruta optimizada de recolección de basura, una proyección de ocupación escolar, una asignación de presupuesto recomendada para el próximo trimestre.

Una acción físicaEl sistema activa algo en el mundo físico — una puerta que se desbloquea, una luz que se enciende, una alerta que suena, un letrero que cambia, la climatización que se ajusta. Ejemplos: un torniquete que se abre al coincidir un rostro, una alerta que se emite automáticamente por altavoces, un ajuste de climatización ordenado por el modelo de un edificio.

Una recomendación o predicciónEl sistema produce un resultado orientativo — una sugerencia, pronóstico, puntaje de riesgo o ranking. Se distingue de una decisión vinculante porque aconseja en lugar de determinar. Ejemplos: un sistema de señalización que sugiere una ruta alterna según la aglomeración prevista, una curva de demanda pronosticada para mañana, un próximo destino recomendado en un quiosco.

Datos personales sensiblesEl sistema produce un resultado sobre salud, finanzas, creencias, sexualidad, situación migratoria u otras categorías que conllevan riesgos legales y sociales. Ejemplos: una prioridad de triaje asignada en una clínica, un resultado de elegibilidad enviado a un portal de beneficios, un atributo protegido inferido que se exporta a sistemas posteriores.

Cómo se manifiesta

¿Cómo se encuentran las personas con lo que produce este sistema?

La forma que toma el resultado de este sistema cuando llega al mundo — una pantalla o un letrero, un precio, una notificación, una barrera que se abre, una respuesta hablada. Es cómo las personas se encuentran con el resultado, algo distinto de los datos de salida en sí.