Introducción
El ajuste fino de un modelo de uso general con datos internos de la empresa es hoy una tarea de ingeniería rutinaria, no un proyecto de investigación. Se extraen el archivo de atención al cliente, la base de conocimiento interna y los registros históricos de decisiones, se ejecuta el proceso de ajuste fino y se pone en producción el modelo mejorado. Lo que rara vez se pregunta en ese pipeline es una cuestión con verdadero peso regulatorio: ¿se han verificado alguna vez estos datos internos, o simplemente se ha confiado en ellos porque son nuestros?
Los datos internos no son automáticamente datos fiables
La mayoría de los pipelines de ajuste fino descansan sobre una suposición tácita: los datos externos necesitan ser examinados, los internos no, porque proceden de nuestros propios sistemas. Esa suposición ignora cómo se acumulan realmente los datos internos a lo largo de los años - correcciones manuales que nunca se volvieron a validar, registros modificados por empleados que ya se marcharon y cuyo acceso se revocó después, entradas históricas copiadas de sistemas que desde entonces se han retirado o se han migrado con pérdida de datos y, en el caso más hostil, modificaciones realizadas por personal interno que nunca se concibieron para ser detectadas. Ninguno de estos modos de fallo requiere un atacante externo. Todos ellos pueden acabar arraigados en el comportamiento de un modelo sometido a ajuste fino.
Por qué esto se convierte en un problema de cumplimiento, y no solo de ingeniería
Según el artículo 10 del AI Act de la UE, las obligaciones de gobernanza de datos se aplican a los datos de entrenamiento, validación y prueba, con independencia de que esos datos tengan un origen interno o externo - el reglamento no distingue en función de la fuente de los datos, solo en función de cómo se utiliza el sistema resultante. Un modelo interno sometido a ajuste fino que se despliega en un contexto de alto riesgo hereda el mismo nivel de exigencia en gobernanza de datos que uno entrenado con datos de terceros, y «siempre hemos confiado en estos datos» no es una respuesta defendible cuando un auditor pregunta cómo se verificó la integridad de los datos antes de que entraran en el pipeline de entrenamiento.
Lo que realmente exige verificar los datos internos
Verificar los datos internos para el ajuste fino no significa volver a recopilarlos desde cero. Significa poder demostrar, para el conjunto de datos concreto extraído para una ejecución de ajuste fino determinada, cuándo se creó o se modificó por última vez cada registro, mediante qué proceso, y si ha cambiado desde un estado de integridad conocido. La mayoría de los almacenes de datos empresariales pueden responder a parte de esto para la actividad reciente mediante los registros de cambios habituales, pero pocos pueden hacerlo con confianza criptográfica remontándose a lo largo de los años de historial acumulado que suelen alimentar un conjunto de datos de ajuste fino.
- Someter los datos internos extraídos para el ajuste fino al mismo escrutinio de procedencia que los datos de terceros - el origen por sí solo no confiere fiabilidad
- Establecer una línea base de integridad conocida y anclada criptográficamente para cualquier conjunto de datos antes de que entre en un pipeline de ajuste fino
- Documentar y verificar quién tuvo acceso de escritura a los sistemas de origen a lo largo de todo el historial que abarca el conjunto de datos, no solo en la actividad reciente
- Tratar cada ejecución de ajuste fino como un evento que requiere su propia instantánea del conjunto de datos y su propio registro de verificación, no como una nueva extracción de una fuente activa y mutable

El ajuste fino con datos internos no exime a una empresa de las obligaciones de gobernanza de datos - solo hace que la laguna sea más fácil de pasar por alto. Vea cómo ROOTKey establece una línea base verificable para los datos empresariales antes de que entren en un pipeline de entrenamiento.
