Ningún dato entra al sistema sin que un humano lo haya visto

El problema

El callejón sin salida: o dato sin validar, o dato no capturado.

El miedo a que "la IA meta datos por su cuenta y luego haya que limpiar el master" no es un prejuicio cultural: es una objeción de calidad perfectamente legítima. Un dato de proceso sin trazabilidad de quién lo validó no sirve como evidencia ante un auditor de GMP de cosmética. Pero el operario tampoco quiere teclear, y cada pantalla de entrada de datos que se le añade es tiempo que no está en la línea. Ese es el callejón sin salida: o dato sin validar contaminando el master, o dato no capturado por desconfianza.

• El miedo a que la IA meta datos por su cuenta y luego haya que limpiar el master no es un prejuicio cultural: es una objeción de calidad legítima.
• Un dato de proceso sin trazabilidad de quién lo validó no sirve como evidencia ante un auditor de GMP de cosmética.
• Pero el operario tampoco quiere teclear, y cada pantalla de entrada de datos que se le añade es tiempo que no está en la línea.
• De ahí la disyuntiva que bloquea tantos proyectos: o dato sin validar contaminando el master, o dato no capturado por desconfianza.

Cómo encaja con el sistema IRIS

Connect con verificación humana temprana — dos segundos y dos botones.

Connect modo verificación humana temprana. Cada captura —la OF parseada, la incidencia dictada por voz, el aviso del proveedor, la curva cerrada del turboemulsor— pasa por la tableta con un resumen visual antes de cruzar al master. La interfaz está diseñada para validar en dos segundos, no para introducir datos: números grandes, diferencias resaltadas, dos botones. Y el efecto lateral es el más valioso: cada validación queda firmada con usuario, momento y lo que había exactamente en pantalla. El gesto de dos segundos que evita contaminar el master es, a la vez, la evidencia que pide el auditor.

La firma deja de ser un cuello de botella burocrático y pasa a ser un gesto de dos toques que además genera la evidencia que el auditor pedirá después. El mismo movimiento resuelve el problema de calidad y el de cumplimiento.

Ver la arquitectura IRIS completa →

Antes y después

Las tres formas de resolverlo, comparadas

Aspecto	IA autónoma	Que teclee el operario
Dato validado	No	Sí
Tiempo del operario	Cero	Minutos por captura
Riesgo para el master	Alto	Bajo
Se hace de verdad en línea	—	Tarde o a posteriori
Evidencia para el auditor GMP	Sin firma	Firma sin contexto
Aprobable en comité	No	Sí, pero no se usa

de la disyuntiva entre dato sin validar o dato no capturado, a dato capturado y firmado con latencia de segundos. De la firma humana como cuello de botella burocrático, a la firma como gesto de dos toques que además genera evidencia.

Estimación de impacto

Pieza habilitante — sin payback propio, y así se declara.

El siguiente bloque es una estimación a validar con los datos concretos de tu planta. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.

• Este caso no tiene payback propio y no tiene sentido calcularle uno: es la pieza que habilita toda la matriz.
• Sin verificación humana temprana, en un entorno GMP las otras once piezas no se firman en comité.
• Elimina la disyuntiva entre dato sin validar y dato no capturado: se captura y se firma, con latencia de segundos.
• Valor estratégico y de cumplimiento: convierte «la IA mete datos» en «la IA prepara y una persona firma».

pieza habilitante de toda la matriz, sin payback propio. Sin verificación humana temprana, en un entorno GMP las otras once piezas no se firman. Valor estratégico y de cumplimiento.

Y la duda razonable del responsable de producción

«Si al final tiene que validar una persona, ¿qué ahorra la IA?» — el trabajo no está en decidir, está en reunir. Hoy alguien busca, mide, transcribe y luego decide. Con la puerta de verificación solo hace lo último: llega a una pantalla con todo reunido y las desviaciones resaltadas, y confirma o corrige. Además, cada corrección se guarda y el sistema aprende dónde falla la extracción.

^[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.