La AEPD analiza la calidad de los datos y de los resultados en tratamientos con inteligencia artificial

La Agencia Española de Protección de Datos (AEPD) publicó, el 21-7-2026, una nota técnica titulada “Exactitud, idoneidad y calidad de los datos en tratamientos de datos personales con Inteligencia Artificial”, que analiza la relación entre la calidad de los datos y los principios de exactitud y minimización del Reglamento General de Protección de Datos¹ (RGPD).

El documento ofrece criterios para responsables, encargados, delegados de protección de datos y profesionales que participan en el desarrollo, el mantenimiento y el uso de sistemas de inteligencia artificial (IA).

A continuación, resumimos los aspectos más relevantes de la nota técnica.

Características de los datos

Sobre calidad de los datos

La AEPD diferencia entre:

• la calidad de los datos: que puede aplicarse a datos personales y no personales, y
• el principio de exactitud del RGPD: que solo se aplica a los datos personales y debe valorarse en función de la finalidad del tratamiento.

Para el desarrollo de modelos y sistemas de IA, puede ser necesario considerar más características con relación a la calidad de los datos, y pone algunos ejemplos.

También señala que puede resultar relevante:

• la frecuencia de recogida de los datos, en especial referidos a la geolocalización, el consumo de energía o la actividad en Internet, y
• La capacidad predictiva de las variables seleccionadas y la utilidad de las muestras empleadas para mejorar el modelo.

Sobre exactitud de los datos

Sobre la exactitud de los datos, cada entidad debe determinar qué nivel de calidad necesita en cada caso según su fin y uso: en unos casos puede resultar más relevante que la información esté actualizada y, en otros, que sea suficientemente precisa o representativa.

Sobre minimización del uso de los datos

El principio de minimización limita los datos que la entidad puede utilizar. El responsable solo puede tratar los datos personales adecuados, pertinentes y necesarios para la finalidad que se ha previsto. La AEPD identifica dos posibles riesgos opuestos entre los que el responsable debe buscar un equilibrio:

• un nivel de calidad insuficiente puede impedir que el tratamiento o el sistema de IA alcance los resultados previstos;
• un nivel de calidad superior al necesario puede ampliar de forma injustificada el acceso a los datos, aumentar los costes y dificultar el desarrollo de proyectos.

Datos de entrada, resultados y métricas

Al evaluar el sistema, se ha de considerar todo el tratamiento y no limitarse al sistema de IA o a los datos de entrada, pues también influyen en el resultado el origen de la información, las modificaciones realizadas sobre los datos y los controles aplicados durante el proceso.

Cuando el sistema genera una decisión, una inferencia o cualquier información vinculada a una persona identificada o identificable, ese resultado constituye un dato personal.

Por ello, la entidad responsable debe:

• asegurar que el resultado sea exacto, adecuado y limitado a la finalidad perseguida, y
• definir métricas para comprobar si el sistema cumple correctamente su finalidad.

Idoneidad del tratamiento

Los responsables tienen que comprobar que el tratamiento alcanza la finalidad prevista, que depende de los siguientes factores

• El diseño del tratamiento y la relación entre las distintas operaciones.
• La calidad de los datos de entrada, incluidos los datos no personales.
• La calidad de los resultados intermedios, generados en cada una de las operaciones.
• Las salvaguardas aplicadas para detectar y corregir problemas de calidad en los datos de entrada, los resultados intermedios y el resultado final.

Estos elementos están relacionados y deben mantenerse de manera que el tratamiento pueda ser considerado como idóneo.

Desarrollo y despliegue de sistemas de IA

La AEPD expone una serie de criterios, de los que resaltamos los siguientes:

• En los sistemas de aprendizaje automático, la calidad debe valorarse sobre el conjunto de datos utilizado y no solo sobre cada registro individual. Este puede ser correcto, pero el conjunto puede que no represente a la población o a determinados grupos.
• El uso de datos sintéticos, la modificación de determinados valores o la corrección de sesgos puede resultar compatible con el principio de exactitud, pero la finalidad debe justificar estas actuaciones y el resultado no puede ofrecer una imagen incorrecta de la persona ni perjudicar sus derechos.
• Se debe valorar por separado la calidad de los datos y la calidad de los resultados, pues al final, el desarrollo y el uso posterior pueden constituir tratamientos distintos.
• Cuando un conjunto de datos no cuenta con la calidad necesaria, la organización solo podrá utilizarlo de forma limitada para comprobar si resulta adecuado.
• Se puede considerar adecuado un sistema cuando conoce y documenta sus limitaciones y se aplican medidas para controlar sus errores (como la revisión de los datos y de los resultados, la corrección de incidencias y la intervención humana).

Gobernanza, documentación y responsabilidades

Por último, la gobernanza de los datos debe estar integrada en el desarrollo, la adquisición y el despliegue de sistemas de IA, de manera que se asignen responsabilidades, se fijen criterios objetivos y se conserven evidencias.

El responsable debe documentar los usos, las limitaciones y las salvaguardas, revisarlos durante el ciclo de vida y analizar la información del proveedor.