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

Datos de entrada

Elements 10

¿Qué datos de entrada procesa este sistema?

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

About this category

Datos de entrada

¿Qué datos de entrada procesa este sistema?

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

Datachain

Answer: Some devices, such as a gate or a display, take no data in. Answer it when the system processes data.
Icon shape: Data in motion: what goes in, what processes it, and what comes out.

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.

Variables

Descripción Required

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.

Una recomendación o predicción

Una 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.

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. Choose a value to see its icon.

Variables

Descripción Required

Sources

EU AI Act Article 3(1) — output classes (predictions, content, recommendations, decisions)Regulation (EU) 2024/1689, Article 3(1).