Cuando un departamento de calidad evalúa software, el modelo mental habitual es el de la calculadora: misma entrada, misma salida, siempre. Con ese patrón, una herramienta de IA generativa es invalidable por definición, y la conversación se acaba antes de empezar. Pero ese patrón no es el único que este sector maneja.
Pensemos en cómo se valida un método analítico. Nadie exige que dos ejecuciones den resultados idénticos hasta el último decimal: se define un uso previsto, se establecen criterios de aceptación medibles, se somete el método a muestras de referencia con resultado conocido, y se monitoriza su comportamiento en el tiempo. La variabilidad no impide la validación; la validación existe precisamente porque hay variabilidad.
O pensemos en el elemento menos determinista de cualquier circuito documental: el revisor humano. Dos revisores no encuentran exactamente los mismos defectos, y el mismo revisor no rinde igual un lunes por la mañana que un viernes por la tarde. El sector no responde a eso exigiendo revisores deterministas: responde con proceso — cualificación, checklists, firmas, doble revisión donde el riesgo lo justifica.
Una herramienta de IA para revisión documental se valida con la misma lógica, y con una ventaja que ni el método analítico ni el revisor humano ofrecen: el banco de pruebas es perfectamente repetible. En la práctica, eso se concreta en cuatro piezas. Un uso previsto estrecho y por escrito: qué revisa la herramienta, sobre qué documentos, y qué queda explícitamente fuera. Un banco de pruebas con defectos plantados: documentos de referencia con errores conocidos —criterios alterados, requisitos sin cobertura, referencias a versiones sustituidas— y controles negativos, sobre los que se mide la detección con un criterio de aceptación numérico, no con una impresión. Una versión congelada: el modelo y la lógica que se validaron son los que operan, y solo cambian mediante control de cambios, pasando de nuevo el banco de pruebas completo como suite de regresión. Y una frontera de responsabilidad intacta: la herramienta señala hallazgos con sus citas; quién revisa, quién firma y quién decide no cambia respecto a hoy.
Ese último punto merece subrayarse, porque ahí es donde muchas propuestas de IA pierden a calidad con razón. Una herramienta que redacta conclusiones, rellena registros o “aprueba” documentos está pidiendo entrar en el sistema de calidad, y el listón para eso es altísimo. Una herramienta que trabaja en solo lectura, antes del circuito de revisión, y cuyo resultado es una lista de hallazgos que una persona comprueba en segundos, pide algo mucho más modesto — y por eso puede validarse con el esfuerzo proporcionado de un método auxiliar, no con el de un sistema crítico.
La conversación productiva con calidad, en resumen, no empieza por “confía en el modelo”. Empieza por “aquí está el banco de pruebas, este es el criterio de detección, esta es la versión congelada, y esto es lo que la herramienta no hace”. A partir de ahí, ya no se habla de fe: se habla de método. Y de métodos, este sector sabe más que nadie.
Entregamos el expediente de validación de nuestra herramienta como parte del piloto — banco de pruebas incluido. Hablemos de tu caso →