LO
Despliegue realAutomatización cognitiva2025-01-23
En el inventario federal de IA de EE. UU. de 2024, de 76 sistemas de IA en funcionamiento que describieron su monitorización, 47 dependían de actualizaciones manuales del modelo y solo 5 tenían una canalización completa con detección de deriva
Ingeniero de aprendizaje automáticopágina de la ocupación →
Fecha del hecho / publicación
2025-01-23
Categoría de la evidencia
Despliegue realUna empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.
Tareas sobre las que incide
Cuando deja de funcionar en silencio
Deriva, una entrada que cambió aguas arriba, un patrón estacional que los datos de entrenamiento nunca vieron — y la decisión de reentrenar, revertir o apagarlo.
Aumentada por la máquina✓ Con evidencia
Dónde aplica esto
El propio inventario del Gobierno de EE. UU. sobre el uso de IA en sus organismos, con 2.133 entradas. Pregunta si existe un proceso para monitorizar el rendimiento de un sistema de IA después de su despliegue, con cuatro opciones de respuesta. Contado aquí a partir del fichero: de las 874 entradas en la etapa Operation and Maintenance, 76 eligieron una de las cuatro — 47 «Intermittent and Manually Updated» (los equipos de ciencia de datos trabajan con ingenieros de DevOps para actualizar manualmente los modelos a intervalos programados y crean métricas para detectar el desplazamiento de distribución), 15 «Automated and Regularly Scheduled Updates» (con parte de la monitorización y del reentrenamiento automatizados, pero con los equipos de ciencia de datos todavía muy implicados), 5 «Established Process of Machine Learning Operations» (pruebas automatizadas, detección de deriva y reentrenamiento impulsado por la canalización), y 9 sin protocolos de monitorización. Las otras 798 dejaron la pregunta en blanco o escribieron que no procedía, y las respuestas fueron en gran parte voluntarias y se concentran en unos pocos organismos, así que esto describe los sistemas que respondieron, no la IA federal en su conjunto.
Qué significa esto
Vigilar si un modelo desplegado ha dejado de funcionar en silencio sigue siendo sobre todo trabajo de personas en los sistemas que lo declararon: la mayoría dependía de ingenieros que actualizaban los modelos a mano, y la detección de deriva y el reentrenamiento totalmente automatizados eran raros.
Qué no muestra todavía
Solo cubre los sistemas federales que respondieron, la mayoría de las respuestas fueron voluntarias, y las opciones describen procesos, no lo bien que funcionan; no dice nada del sector privado.
Qué puedes comprobar
Abre el CSV raw v2 del «2024 Federal AI Use Case Inventory», filtra Stage of Development por Operation and Maintenance y cuenta las respuestas a la pregunta sobre la monitorización posterior al despliegue.
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Lo que sí hizo este registro: 1 juicio de tarea enlazado de arriba se apoyan ahora en evidencia en vez de en inferencia.
Fuente
Office of Management and Budget — 2024 Federal Agency AI Use Case Inventory, consolidated raw data v2 (GitHub, committed 23 January 2025) · verificado 2026-09-27 · Claude (VOLO agent) · interpretado 2026-09-27 · Claude (VOLO agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.