En los sectores regulados, y muy especialmente en el legal, la trazabilidad de los datos no es una opción de calidad. Es una obligación jurídica.
Un dataset para IA que no sea trazable es, directamente, un dataset no conforme.
Qué significa trazabilidad en curación de datos jurídicos
Significa poder responder a estas preguntas en cualquier momento:
- ¿De qué documento original (expediente, resolución, contrato) se extrajo este dato?
- ¿Qué transformaciones se aplicaron? (anonimización, recorte, normalización)
- ¿Quién realizó cada operación y bajo qué criterio?
- ¿Qué versión del dataset se usó para entrenar un modelo concreto?
Sin respuestas documentadas, no hay trazabilidad. Y sin trazabilidad, no hay forma de auditar ni el cumplimiento del RGPD ni la posible responsabilidad civil por decisiones automatizadas.
Lo que pide el RGPD (y no se puede improvisar)
El artículo 5.2 del RGPD establece el principio de «responsabilidad proactiva»: el responsable del tratamiento debe ser capaz de demostrar el cumplimiento. Eso implica llevar un registro de las operaciones de tratamiento (art. 30), y cuando se usan datos para IA, también documentar el flujo completo desde la fuente original hasta el dataset final.
En España, el artículo 28 de la LOPDGDD refuerza esta exigencia para tratamientos que afecten a datos especialmente protegidos (como los de naturaleza penal o judicial).
La IA Act y los datasets de alto riesgo
El futuro Reglamento Europeo de IA exigirá que los sistemas de alto riesgo (muchos del sector legal lo serán) se entrenen con datasets que cumplan criterios de:
- Relevancia y representatividad.
- Exhaustividad documentada.
- Ausencia de sesgos injustos.
- Trazabilidad completa del origen y las modificaciones.
Sin esa trazabilidad, el modelo no podrá certificarse ni comercializarse en la UE.
Cómo implementar trazabilidad sin volverse loco
No hace falta una plataforma NASA. Con una buena estrategia de metadatos y versionado es suficiente:
- Asignar a cada registro un ID de documento origen y una fecha de extracción.
- Guardar un hash del contenido original para detectar alteraciones no deseadas.
- Mantener un registro de transformaciones (ej: «seudonimizado campo nombre, fecha 2025-03-20, por herramienta X»).
- Versionar cada dataset completo con un número y un changelog.
Si se usan herramientas de curación automática, deben dejar traza auditable. Si se hace manual, una tabla de logs bien diseñada puede ser suficiente.
Conclusión
En el sector legal, curar datos sin trazabilidad es como redactar un contrato sin firmar. Puede que el contenido sea bueno, pero no tendrá valor legal. La trazabilidad no ralentiza el proyecto: lo protege.
