Hay una cosa que pasa siempre en cuanto publicas un panel con porcentajes: la gente los cita. Los saca de contexto, los mete en una presentación, los reenvía. Y las salvedades, si viven en un anexo o en un pie de página, se pierden en el primer reenvío.
Cuando monté el AI Safety Incident Tracker, esto me preocupaba más que la parte técnica. El dataset tiene 23 incidentes. Es suficiente para ver patrones — qué modos de fallo dominan, en qué dominios duele más — y completamente insuficiente para estimar frecuencias base o comparar tasas entre sectores. Si alguien tuitea "el 39 % de los incidentes de IA causan daño grave" sin ese contexto, mi trabajo ha producido desinformación con mi nombre encima.
Lo que hice: la pestaña de metodología está al mismo nivel que la de panorama. No es un enlace pequeño abajo. Explica qué mide el dataset, cómo se seleccionaron los incidentes, qué significa cada nivel de la escala de severidad, y qué preguntas no se pueden responder con estos datos.
Además, la rúbrica de severidad se escribió antes de clasificar nada. Es un detalle que parece burocrático y no lo es: si puntúas primero y defines la escala después, la escala acaba justificando las puntuaciones que ya diste. El orden importa.
Sobre la trazabilidad: cada fila enlaza a su fuente primaria. No a un artículo que resume la noticia — a la fuente. Es la regla que menos excepciones admite de todo el proyecto, porque una afirmación que no se puede rastrear hasta su origen no es un dato, es un rumor con formato.
La lección que me llevo: declarar los límites de tu análisis no es hedging ni falsa modestia. Es la parte que hace utilizable el resto. Un análisis que solo revela sus debilidades cuando alguien las cuestiona nunca estuvo listo para sostener una decisión.