ENFOCAMENTS METODOLÒGICS.
Més enllà dels objectius específics i l'estructura de governança, la implementació exitosa de l'Estratègia Provinc.IA requereix l'adopció de determinats enfocaments metodològics, principis operatius i conceptes clau que deuen permear totes les actuacions.
1. Enfocament de disseny centrat en les persones.
Concepte: La intel·ligència artificial ha de desenvolupar-se posant en el centre les necessitats, expectatives i drets de les persones (ciutadania, empleats públics), no la tecnologia per la tecnologia.
Aplicació pràctica:
Codisseny amb usuaris: Involucrar a ciutadania i empleats públics des de les fases primerenques de disseny de sistemes de IA, mitjançant tallers participatius, entrevistes, testatge de prototips.
Experiència d'usuari (UX) prioritària: Les interfícies de sistemes de IA han de ser intuïtives, accessibles, multilingües, adaptades a diferents nivells d'alfabetització digital.
Supervisió humana efectiva: Garantir sempre que existisca un "human in the loop" amb capacitat real d'intervenció, no merament simbòlica.
Dret a l'explicació: Qualsevol persona afectada per una decisió automatitzada té dret a entendre com s'ha pres, en llenguatge comprensible.
Opcions alternatives: Mantindre canals no digitals d'accés a serveis per als qui no puguen o no vulguen usar IA.
2. Enfocament basat en dades (data-driven)
Concepte: Les decisions sobre quins projectes de IA emprendre, com dissenyar-los i com avaluar-los han de basar-se en dades i evidència, no en intuïcions o modes tecnològiques.
Aplicació pràctica:
Diagnòstic basat en dades: Abans d'implementar IA en una àrea, analitzar dades històriques per a identificar on realment hi ha un problema que la IA puga resoldre i quin impacte potencial tindria el seu desenvolupament.
Avaluació d'impacte amb dades: Mesurar sistemàticament els resultats dels projectes de IA mitjançant indicadors quantitatius i també qualitatius.
Qualitat de la dada: Invertir en la neteja, estructuració i governança de les dades abans d'alimentar algorismes. "Garbage in, garbage out": si les dades són dolentes, la IA serà dolenta.
Dades obertes: Promoure l'obertura de dades públiques (respectant privacitat) perquè ciutadania, investigadors i empreses puguen generar valor.
3. Enfocament ètic i basat en drets.
Concepte: La IA ha de respectar i promoure els drets fonamentals, no limitar-se a complir formalment la normativa.
Aplicació pràctica:
Avaluacions d'impacte en drets fonamentals: Més enllà de la EIPD (protecció de dades), realitzar avaluacions d'impacte en altres drets: igualtat i no discriminació, llibertat d'expressió, dret a la tutela judicial efectiva, etc.
Test de biaix i equitat: Auditar regularment els sistemes de IA per a detectar biaixos discriminatoris per gènere, edat, origen ètnic, condició socioeconòmica, discapacitat, etc. Corregir immediatament si es detecten.
Principi de precaució: Davant dubtes sobre possibles vulneracions de drets, no implementar el sistema fins a tindre certesa que és segur.
Assessorament ètic independent: El Comité de Governança de IA inclou experts en ètica que poden avaluar dilemes morals de projectes concrets.
4. Enfocament d'escalabilitat i replicabilidad.
Concepte: Les solucions de IA desenvolupades han de dissenyar-se pensant en la seua possible expansió a més municipis, més serveis o més territoris.
Aplicació pràctica:
Arquitectures modulars: Sistemes de IA dissenyats com a components reutilitzables que puguen adaptar-se a diferents contextos amb mínimes modificacions.
Documentació exhaustiva: Cada projecte ha de generar documentació tècnica completa, guies d'implementació, lliçons apreses, de manera que uns altres puguen replicar-lo.
Estandardització: Promoure l'ús d'estàndards oberts, APIs documentades, formats de dades interoperables.
Catàleg de solucions replicables: L'Oficina Provincial de IA manté un catàleg de solucions provades i llistes per a adopció per ajuntaments.
Comunitats de pràctica: Els municipis que adopten una solució formen una comunitat que comparteix experiències, dubtes, millores i aprenentatges.
5. Enfocament de sostenibilitat tecnològica i organitzativa.
Concepte: Els projectes de IA no poden dependre exclusivament de proveïdors externs o de fons extraordinaris. Han de ser sostenibles tècnica i financerament a llarg termini.
Aplicació pràctica:
Desenvolupar capacitats internes: Formar empleats públics perquè puguen gestionar, mantindre i evolucionar sistemes de IA, reduint dependència de consultores.
Preferència per programari lliure i codi obert: Quan siga possible, utilitzar eines open source que donen control sobre el codi i eviten vendor lock-in.
Planificació financera realista: Els pressupostos de projectes de IA han d'incloure no sols el desenvolupament inicial, sinó el manteniment, actualització, formació, auditories, durant tot el cicle de vida del sistema.
Models de finançament mixt: Combinar fons ordinaris, fons extraordinaris (europeus, autonòmics), col·laboració públic-privada, recuperació de costos en serveis no essencials.
