Plantilla de ficha de modelo de IA
Descargue una plantilla de ficha de modelo de IA: detalles del modelo, uso previsto, datos de entrenamiento, evaluación, métricas de rendimiento, consideraciones éticas, limitaciones y recomendaciones.
Cree una ficha de modelo completa en 45-90 minutos.
Para equipos de cumplimiento, riesgos, producto y operaciones de aprendizaje automático que ponen en producción Procesos agénticos en entornos regulados.
Última actualización: 16 dic 2025 · Versión v1.0 · Muestra ficticia. No asesoramiento legal.
Informar un problema: /contact
Qué es este artefacto (y cuándo lo necesita)
Explicación mínima viable, escrita para auditorías, no para teoría.
Las fichas de modelo son documentación estandarizada para modelos de IA. Propuestas originalmente por investigadores de Google en 2019, se han convertido en una buena práctica del sector para comunicar qué hace un modelo, cómo funciona y cuáles son sus limitaciones.
Para las organizaciones sujetas al Reglamento de IA de la UE, las fichas de modelo ayudan a cumplir los requisitos de transparencia del Artículo 13 y contribuyen a la documentación técnica exigida por el Anexo IV.
Lo necesita cuando
- Está implementando modelos de aprendizaje automático y necesita documentación estandarizada para revisores técnicos.
- Necesita cumplir los requisitos de transparencia del Reglamento de IA de la UE (Artículo 13) o contribuir a la documentación del Anexo IV.
- Quiere comunicar las capacidades, limitaciones y consideraciones éticas del modelo a implementadores y usuarios.
Modo de fallo habitual
Fichas de modelo que solo comunican métricas favorables, omiten limitaciones conocidas o carecen de rendimiento desglosado en subgrupos y condiciones relevantes.
Criterios de exito
Los revisores de los criterios de aceptación realmente verifican.
- La identificación del modelo incluye versión, arquitectura, linaje y procedencia del desarrollo.
- El uso previsto define los casos de uso principales, los usuarios previstos y declara explícitamente los usos fuera de alcance.
- Los datos de entrenamiento se documentan con fuentes, características, preprocesamiento y problemas de calidad conocidos.
- Las métricas de rendimiento incluyen resultados generales y desglosados con intervalos de confianza.
- Las consideraciones éticas cubren métricas de equidad, pruebas de sesgo y características protegidas.
- Las limitaciones se documentan de forma exhaustiva, incluidos modos de fallo y condiciones límite.
- Las recomendaciones ofrecen orientación práctica sobre implementación, seguimiento y mantenimiento.
Vista previa de la plantilla
Un extracto real en HTML para que sea indexable y revisable.
## Sección 2: Uso previsto ### 2.1 Casos de uso principales | Caso de uso | Descripción | Tipo de usuario | |-------------|-------------|-----------------| | [Caso de uso principal 1] | [Descripción detallada] | [Quién lo utiliza] | ### 2.3 Usos fuera de alcance | Caso de uso | Motivo por el que no se admite | |-------------|-------------------------------| | [Caso de uso prohibido 1] | [Por qué es inadecuado: limitaciones de datos, inquietudes éticas, etc.] | ## Sección 7: Limitaciones ### 7.2 Modos de fallo conocidos | Modo de fallo | Condiciones activadoras | Detección | Respuesta | |---------------|-------------------------|-----------|-----------| | [Modo de fallo 1] | [Qué causa este fallo] | [Cómo detectarlo] | [Qué hacer] |
Cómo rellenarlo (rápido)
Entradas que necesita, tiempo para completar y un ejemplo resuelto en miniatura.
Entradas que necesita
- Detalles de la arquitectura, versión y procedencia del entrenamiento del modelo.
- Casos de uso previstos y usos explícitamente fuera de alcance.
- Documentación de los datos de entrenamiento y evaluación con problemas conocidos.
- Métricas de rendimiento (generales + desglosadas) con intervalos de confianza.
- Resultados del análisis de equidad y consideraciones éticas.
- Limitaciones conocidas, modos de fallo y condiciones límite.
Tiempo para completar: 45-90 minutos para una v1 completa.
Mini ejemplo: uso fuera de alcance
Usos fuera de alcance: | Caso de uso | Motivo por el que no se admite | |-------------|-------------------------------| | Toma de decisiones exclusiva para crédito | El modelo está diseñado solo como apoyo a decisiones; requiere revisión humana | | Uso en poblaciones no incluidas en los datos de entrenamiento | El rendimiento no está validado; puede producir resultados poco fiables | | Aplicaciones críticas de seguridad en tiempo real | Los requisitos de latencia no están validados para este caso de uso |
Cómo KLA lo convierte en evidencia gobernada
Vincula el artefacto con las funcionalidades del producto para facilitar la conversión.
Govern
- Fichas de modelo bajo control de versiones, vinculadas al registro de modelos y a los canales de implementación.
- Puntos de aprobación que verifican que la ficha de modelo está completa antes de la implementación en producción.
Assure
- Captura automatizada de métricas de rendimiento, señales de deriva e indicadores de equidad.
- Seguimiento del rendimiento desglosado entre grupos protegidos y condiciones límite.
Prove
- Fichas de modelo vinculadas a artefactos de evaluación, linaje de datos de entrenamiento y registros de aprobación.
- Paquetes de evidencias que relacionan las afirmaciones de la documentación con datos de rendimiento en ejecución.
Preguntas frecuentes
Redactado para obtener respuestas destacadas en buscadores.
Descargar el artefacto
Markdown editable. No se requiere correo electrónico.
Descargar plantilla de ficha de modelo