Cuando «merma» significa algo distinto en cada turno

Para un turno, merma puede ser producto descartado. Para otro, cualquier diferencia entre entrada y salida. Al juntar los registros aparece una columna ordenada de números que describen cosas distintas.

Un modelo puede procesarla, pero la comparación ya nace torcida. La conversación entre quienes registran y quienes analizan ayuda a localizar el problema: qué incluyen, qué dejan fuera y en qué momento anotan. Los ejemplos de trabajo suelen revelar diferencias que una definición redactada lejos de la operación pasa por alto.

Un campo vacío también necesita explicación

La medición pudo no realizarse, la operación pudo no ocurrir o el registro pudo perderse. Sustituir cualquiera de esas situaciones por cero altera su significado. Si se utiliza una estimación, debe conservarse identificada como tal.

Las correcciones también dejan una historia. Conocer el valor anterior y el motivo del cambio permite interpretar una variación y reconstruir lo que pasó. Ese cuidado resulta especialmente útil cuando distintas personas mantienen el mismo conjunto de datos.

NIST incorpora calidad de datos y sesgos en su marco de gestión de riesgos de IA. En una empresa alimentaria, una aplicación acotada consiste en elegir campos importantes y comprobar que sus usuarios los interpretan igual. Después hacen falta tiempo y responsables para mantener esas definiciones.

Con ese trabajo, la empresa puede evaluar con más claridad las respuestas del modelo. También puede descubrir que parte de la confusión de sus informes venía de mucho antes de incorporar la herramienta.