Diccionario de términos
Conceptos técnicos y definiciones clave para consulta rápida. Guía de datos y gobernanza de datos
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.
Anonimización
Proceso por el que se eliminan o modifican los datos de forma que la persona a la que se refieren no pueda ser identificada directa ni indirectamente. Tiene preferencia sobre la seudonimización cuando la finalidad lo permite.
Calidad del dato
Conjunto de dimensiones que determinan la idoneidad de un dato: completitud, consistencia, accesibilidad, precisión, equilibrio, diversidad, imparcialidad, entre otras. Deben analizarse de forma individual para cada dato.
Categorías especiales de datos personales
Datos especialmente sensibles como los relativos al origen étnico, creencias, salud o biometría. El Art. 10.5 permite su tratamiento solo de forma estrictamente necesaria para corregir sesgos, con salvaguardias muy estrictas.
Conjuntos de datos de entrenamiento
Datos utilizados para ajustar los parámetros del modelo de IA. Según el Art. 10, deben ser pertinentes, representativos, libres de errores y completos en vista de la finalidad prevista del sistema.
Disposición de los datos
Etapa del ciclo de vida del dato en la que se define su almacenamiento, acceso, uso continuado y eventual eliminación, asegurando su gestión conforme a los principios de minimización y privacidad.
Etiquetado de datos (Anotación)
Proceso por el que se asignan etiquetas identificativas a los datos. Los datos etiquetados automáticamente no deben asumirse como correctos y requieren validación por muestra aleatoria representativa.
Gobierno del dato
Conjunto de políticas, procedimientos, procesos y normas implementados para garantizar que los datos utilizados en IA son adecuados, pertinentes, representativos y cumplen los requisitos de calidad y completitud exigidos por el Reglamento.
Riesgo de sesgo
Posibilidad de que los datos de entrenamiento o el modelo produzcan resultados que discriminen a grupos de personas o vulneren sus derechos fundamentales. Debe identificarse y mitigarse activamente según el Art. 10.
Sesgo algorítmico
Error sistemático en los datos o el modelo que produce resultados injustos o discriminatorios. El Art. 10 obliga a identificar y mitigar los sesgos que puedan afectar a la salud, seguridad o derechos fundamentales.
Seudonimización
Medida de seguridad que sustituye los identificadores directos de los datos por pseudónimos, de modo que los datos no pueden atribuirse directamente a una persona sin información adicional.