Diccionario de términos
Conceptos técnicos y definiciones clave para consulta rápida. Guía del sistema de gestión de la calidad
Glosario didáctico
Esta guía no incluye un anexo de glosario oficial en su PDF. Los términos y definiciones mostrados han sido generados con apoyo de inteligencia artificial para facilitar la comprensión del contenido, y han sido revisados técnicamente para garantizar su exactitud. No constituyen el texto legal del Reglamento.
Evaluación de la conformidad
Procedimiento mediante el cual se demuestra y verifica que un sistema de IA cumple con los requisitos esenciales del Reglamento antes de su comercialización.
Gestión de riesgos
Proceso sistemático e iterativo para identificar, analizar, evaluar y mitigar los peligros que el sistema de IA pueda representar para los usuarios o su entorno.
Gobernanza de datos
Conjunto de políticas y procesos que aseguran que los datos utilizados para entrenar, validar y probar los sistemas de IA son pertinentes, representativos, precisos y libres de sesgos dañinos.
Incidente grave
Cualquier fallo o anomalía en un sistema de IA que cause o pueda causar lesiones, muerte, daños graves a la propiedad, al medio ambiente o vulneraciones de derechos fundamentales.
ML-Ops (Machine Learning Operations)
Prácticas conjuntas de desarrollo y operaciones para el despliegue y mantenimiento de modelos de Machine Learning en producción de manera confiable y eficiente.
Proporcionalidad
Principio legal que permite adaptar la carga burocrática y documental del SGC al tamaño y capacidad de la empresa (ej. PYMES), manteniendo la rigurosidad técnica.
Rendición de cuentas (Accountability)
Marco organizativo que asigna de forma clara y documentada las responsabilidades y obligaciones de cada rol dentro del desarrollo y operación de la IA.
Sistema de Gestión de la Calidad (SGC)
Conjunto documentado de políticas, procedimientos e instrucciones diseñado para garantizar que una organización y sus sistemas de IA cumplen con el Reglamento Europeo, asegurando la salud, seguridad y derechos fundamentales.
Sobreaprendizaje (Overfitting)
Problema de modelado donde la IA se ajusta demasiado a los datos de entrenamiento y pierde la capacidad de generalizar o mantener su precisión con datos nuevos y reales.
Vigilancia poscomercialización
Sistema continuo implementado por el proveedor para recabar y analizar datos sobre el rendimiento y uso del sistema de IA una vez que ya está en el mercado, con el fin de detectar riesgos ocultos.