Saltar a contenido

Scorecard de evaluación de pilotos de IA

Organización: [NOMBRE_EMPRESA]
Nombre del caso de uso: [NOMBRE DEL PILOTO]
Área de negocio: [ÁREA]
Persona responsable del área: [NOMBRE Y CARGO]
Fecha de evaluación: [FECHA]
Evaluado por: [NOMBRE DEL EVALUADOR]


Sección 1: Descripción del caso de uso

Problema que resuelve: [Descripción concisa del problema de negocio que el sistema de IA abordaría. Incluir la situación actual: qué proceso se realiza hoy, quién lo hace, cuánto tiempo consume, cuál es su calidad o su principal limitación.]

Solución propuesta: [Descripción de cómo la IA abordaría el problema: qué función realizaría el sistema (clasificación, generación, predicción, etc.), qué datos usaría, cómo se integraría en el proceso existente, qué output produciría.]

Descripción del proceso actual (línea base):

Métrica de línea base Valor actual Fuente del dato
[Métrica 1: ej. tiempo de proceso] [Valor] [Cómo se midió]
[Métrica 2: ej. tasa de error] [Valor] [Cómo se midió]
[Métrica 3: ej. coste unitario] [Valor] [Cómo se midió]

Sección 2: Puntuación de criterios

Criterio 1: Impacto en negocio

Puntuación Descripción
[ ] 1 Impacto marginal o difícil de cuantificar
[ ] 2 Impacto moderado en un proceso secundario
[ ] 3 Impacto significativo en un proceso de negocio relevante
[ ] 4 Impacto alto en un proceso core con métricas claras
[ ] 5 Impacto muy alto; diferencial competitivo o reducción de costes mayor

Justificación de la puntuación: [Explicar por qué se asigna esta puntuación. Incluir estimación cuantitativa si es posible.]


Criterio 2: Facilidad de implementación

Puntuación Descripción
[ ] 1 Muy complejo: datos no disponibles, integración difícil, expertise no disponible
[ ] 2 Complejo: múltiples dependencias técnicas, datos parcialmente disponibles
[ ] 3 Moderado: datos disponibles, integración estándar
[ ] 4 Relativamente fácil: datos disponibles, integración sencilla
[ ] 5 Muy fácil: datos excelentes, implementación inmediata con herramientas disponibles

Justificación: [Descripción de los principales factores técnicos que determinan la facilidad de implementación.]


Criterio 3: Disponibilidad y calidad de datos

Puntuación Descripción
[ ] 1 Datos no existen o no son accesibles
[ ] 2 Datos existen pero con baja calidad o acceso restringido
[ ] 3 Datos disponibles con calidad aceptable
[ ] 4 Datos disponibles, buena calidad, acceso controlado
[ ] 5 Datos excelentes, acceso sin restricciones, historial suficiente

Datos necesarios identificados:

Tipo de dato Sistema de origen Disponibilidad Calidad estimada
[Tipo] [Sistema] [Disponible / Parcial / No disponible] [Alta / Media / Baja]

Criterio 4: Apoyo del área

Puntuación Descripción
[ ] 1 Resistencia activa del responsable del área
[ ] 2 Indiferencia; el área no ha participado
[ ] 3 Interés moderado; el responsable está dispuesto a participar
[ ] 4 Apoyo activo del responsable del área
[ ] 5 El caso fue propuesto por el área; hay un campeón interno designado

Campeón interno del área (si existe): [NOMBRE Y CARGO]


Criterio 5: Riesgo regulatorio (5 = sin riesgo; 1 = riesgo muy alto)

Puntuación Descripción
[ ] 1 Sistema potencialmente en Anexo III EU AI Act (alto riesgo)
[ ] 2 Datos personales sensibles (Art. 9 RGPD) o incertidumbre regulatoria significativa
[ ] 3 Datos personales con riesgos manejables; DPIA probablemente requerida
[ ] 4 Riesgo regulatorio bajo; sin datos personales sensibles
[ ] 5 Sin riesgo regulatorio: datos agregados, públicos o completamente anonimizados

Puntuación total

Criterio Peso Puntuación (1-5) Puntuación ponderada
Impacto en negocio 30%
Facilidad de implementación 25%
Disponibilidad y calidad de datos 25%
Apoyo del área 10%
Sin riesgo regulatorio 10%
TOTAL 100%

Sección 3: Triggers regulatorios

Marcar con [X] si aplica al sistema propuesto:

  • El sistema toma o apoya decisiones sobre contratación, evaluación o despido de personas.
  • El sistema toma o apoya decisiones sobre concesión de crédito o acceso a seguros.
  • El sistema realiza perfilado de personas basado en comportamiento o características.
  • El sistema interactúa directamente con clientes en nombre de la empresa.
  • El sistema procesa datos de salud, biométricos u otros datos del Art. 9 RGPD.
  • El sistema opera en infraestructuras críticas (energía, agua, transporte).
  • El sistema determina el acceso a servicios educativos o de formación.

Si se ha marcado algún trigger: Antes de aprobarse el piloto, el Partner Metodológico y el DPO deben completar la clasificación completa del EU AI Act y determinar si se requiere DPIA.


Sección 4: Estimación de inversión y retorno

Estimación de costes:

Componente de coste Estimación
Desarrollo / configuración [Importe o rango]
Licencias / coste de API (anualizado) [Importe o rango]
Formación del equipo [Importe o rango]
Gestión del cambio [Importe o rango]
Total estimado [Importe o rango]

Estimación de valor generado (anualizado):

Tipo de valor Descripción Estimación anual
[Tipo: ahorro, ingresos, calidad, velocidad] [Descripción] [Importe o rango]
Total estimado [Importe o rango]

ROI estimado: [Cálculo]
Payback period estimado: [Meses]


Sección 5: Recomendación

Cuadrante en la matriz de priorización: - [ ] Quick Win (impacto ≥ 3, facilidad ≥ 3) — Candidato prioritario para el primer piloto - [ ] Iniciativa Estratégica (impacto ≥ 3, facilidad < 3) — Candidato para pilotos posteriores - [ ] Iniciativa Oportunista (impacto < 3, facilidad ≥ 3) — Valor moderado - [ ] Descartar (impacto < 3, facilidad < 3)

Recomendación del evaluador: [Recomendación sobre si debe ejecutarse como piloto, cuándo y con qué condiciones. Identificar los principales riesgos y cómo mitigarlos.]


Sección 6: Validación del Comité

Decisión del Comité Fecha Firmado por
[ ] Aprobado como piloto prioritario
[ ] Aprobado para lista de espera
[ ] Requiere información adicional antes de decidir
[ ] Descartado

Condiciones de la aprobación (si aplica): [Condiciones que deben cumplirse antes de iniciar el piloto, si las hay.]


Descargar plantilla en formato Word