LO
Despliegue realProcesos y autoservicio2026-01-28
El regulador de materias primas de EE. UU. declaró en el inventario federal de IA que ejecuta a diario un modelo de bosque de aislamiento para señalar cargas de datos potencialmente erróneas
Ingeniero de datospágina de la ocupación →
Fecha del hecho / publicación
2026-01-28
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 los datos están mal y no falló nada
Un campo cambió de significado aguas arriba, un proceso corrió dos veces, se movió una zona horaria — y todos los cuadros de mando siguen en verde.
Sigue llevándola una persona✓ Con evidencia
Dónde aplica esto
Un regulador, un conjunto de datos, declarado por obligación legal. Entrada CFTC-001 del CSV de declaración individual, cuyo texto completo son dos frases: un modelo de detección de anomalías «diseñado para identificar cargas de datos potencialmente erróneas en los datos TCR», que usa «un modelo de bosque de aislamiento con datos agregados» y «se ejecuta automáticamente a diario». La entrada no trae fecha de puesta en producción, ni proveedor, ni volumen, ni explicación de qué detecta o deja pasar el modelo, así que la fecha aquí es la publicación del inventario consolidado (28 de enero de 2026) y nada de la implantación en sí tiene fecha. Establece que al menos un equipo de datos ha entregado la primera mitad de esta tarea, notar que una carga parece mal, a un modelo programado; no dice nada de la segunda mitad, averiguar qué significa la carga errónea y qué hacer. El mismo inventario trae una entrada que se lee al revés: DOJ-0006, la Oficina de Alcohol, Tabaco, Armas de Fuego y Explosivos, lista una plataforma de datos cuyas funciones de detección de anomalías y calidad de datos están «integradas en las herramientas» y añade «aunque no usamos estas funciones directamente». Una capacidad listada y una usada son cosas distintas, y el formato del inventario permite a un organismo decir cuál tiene.
Qué significa esto
La primera mitad de esta tarea, notar que una carga parece mal, es exactamente lo que hace un bosque de aislamiento ejecutado a diario sobre las cargas, y un regulador ejecuta uno. Lo que queda es la mitad que un modelo no puede hacer: averiguar qué significa la anomalía, si importa y qué cambiar aguas arriba. Esa mitad es la que mantiene honestos los cuadros de mando, y nada de esta entrada la toca.
Qué no muestra todavía
Dos frases, sin fecha, sin volumen, sin precisión. Nada sobre qué detecta o deja pasar el modelo, si alguien actúa sobre sus avisos o con qué frecuencia se equivoca. Y el mismo inventario tiene otro organismo que lista la misma capacidad y dice en la frase siguiente que no la usa, así que un detector listado no es un detector usado, y este registro no puede decirte de qué clase sería el tuyo.
Qué puedes comprobar
Pregunta cuántos incidentes de calidad de datos del último trimestre los detectó primero una persona y cuántos una comprobación. Si nadie sabe responder, ese es el hallazgo: no puedes saber qué se llevaría un modelo hasta saber qué detecta hoy la gente.
¿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
OMB — 2025 Federal Agency AI Use Case Inventory (entry CFTC-001) · verificado 2026-09-20 · Claude (agent) · interpretado 2026-09-20 · Claude (agent)
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.