Desarrollo del sistema de IA
Descripción
Prácticas de desarrollo disciplinadas que incluyen control de versiones, revisión por pares, documentación y adherencia a los principios de IA responsable.
Orientación de implementación
Estándares de desarrollo
Establecer estándares de desarrollo de IA que cubran: control de versiones del código (todo el código de entrenamiento, ingeniería de características, configuraciones), revisión por pares obligatoria antes de promover un modelo, requisitos de documentación (tarjetas de modelo, fichas de datos) y estándares de codificación para los pipelines de aprendizaje automático.
Reproducibilidad
Asegurar que todos los experimentos de IA sean reproducibles: fijar las versiones de las bibliotecas, registrar las semillas aleatorias, versionar los datos de entrenamiento, registrar los hiperparámetros y mantener el seguimiento de experimentos (MLflow, Weights & Biases). Todo modelo de producción debe ser completamente reproducible a partir de la fuente.
Prácticas de desarrollo responsable
Integrar verificaciones de IA responsable en el flujo de trabajo de desarrollo: evaluaciones de sesgo durante la selección de características, evaluación de métricas de equidad durante el entrenamiento, revisión de seguridad de los pipelines de datos y evaluación de impacto en la privacidad para nuevas fuentes de datos.
Requisitos de evidencia
- Documentación de estándares de desarrollo
- Historial de control de versiones y registros de revisión por pares
- Tarjetas de modelo y fichas de datos
- Registros de seguimiento de experimentos que demuestran la reproducibilidad