Preguntas frecuentes

Cuando su suscripción expire y sin renovar su contrato, ya no podrá acceder ni modificar la información contenida en su espacio. La información se eliminará dentro de un plazo razonable (máximo 2 meses).

Aplicamos medidas de seguridad estrictas en nuestro entorno, tanto a nivel de aplicación como de desarrollo.

Mantenemos una vigilancia técnica y nuestro sistema es auditado regularmente para proporcionar las máximas garantías sobre la seguridad de los datos que nos confía.

Puedes obtener más información en nuestra página dedicada a la seguridad.

Distinción entre Modelo de IA y Sistema de IA

Entender la distinción entre un modelo de IA y un sistema de IA es importante para cualquier persona interesada en la inteligencia artificial, ya sea para desarrollar nuevas tecnologías o utilizarlas.

Los modelos de IA son los componentes fundamentales que realizan tareas específicas, mientras que los sistemas de IA integran estos modelos en soluciones completas y funcionales para abordar necesidades prácticas.

Al reconocer estas diferencias, uno puede apreciar mejor la complejidad y el alcance de las aplicaciones de IA en diversos campos.

Modelo de IA

Un modelo de IA es un componente central de la inteligencia artificial. Es una representación matemática o estadística de un problema específico, desarrollada a partir de datos.

Los modelos de IA son entrenados para reconocer patrones, hacer predicciones o tomar decisiones basadas en datos.

Los tipos más comunes de modelos de IA incluyen redes neuronale4s, árboles de decisión, máquinas de soporte vectorial y modelos de regresión.

Ejemplos de modelos de IA incluyen:

• Redes neuronales profundas: Utilizadas para tareas como el reconocimiento de imágenes o el procesamiento del lenguaje natural.
• Árboles de decisión: Utilizados para clasificación y regresión.
• Modelos de regresión: Utilizados para predecir valores continuos.
• Regresión lineal: Utilizada para predecir futuros precios de acciones basados en precios pasados y otra información. Analiza materiales, máquinas y datos basados en el tiempo para mejorar los procesos de producción.
• Bosque aleatorio: Ayuda a explicar casos donde los tratamientos pueden tener efectos no deseados o resultados negativos.
• Naive Bayes: Puede predecir preferencias de clientes en tiempo real basadas en su comportamiento de navegación o historial de compras.

El modelo de IA es algo así como el cerebro de la IA. Se construye y optimiza a través de un proceso de entrenamiento, donde aprende de datos históricos para mejorar su precisión y eficiencia.

Sistema de IA

Un sistema de IA es una aplicación más amplia y compleja que integra uno o más modelos de IA para realizar una tarea específica.

Incluye no solo modelos de IA sino también los componentes necesarios para recoger, procesar y analizar datos, así como interactuar con los usuarios.

En otras palabras, un sistema de IA es una solución completa que implementa modelos de IA dentro de un marco operativo.

Los componentes de un sistema de IA incluyen:

• Modelos de IA: Algoritmos entrenados para realizar predicciones o análisis.
• Recolección y procesamiento de datos: Procesos para reunir y preparar datos para el modelo.
• Interfaz de usuario: Medios a través de los cuales los usuarios interactúan con el sistema, como aplicaciones web o móviles.
• Infraestructura: El hardware y el software necesarios para operar el sistema, como servidores y bases de datos.

Ejemplos de un sistema de IA incluyen:

• Asistente virtual: Como Siri o Alexa, que utilizan múltiples modelos de IA para el reconocimiento de voz, comprensión del lenguaje natural y generación de respuestas, integrando bases de datos e interfaces de usuario para interactuar con los usuarios.
• Sistemas de recomendación: Utilizados por plataformas como Netflix o Amazon para sugerir contenido o productos, incorporando modelos de filtrado colaborativo y procesamiento de datos de usuarios.

Principales diferencias entre Modelo de IA y Sistema de IA

1. Escala y complejidad:

   • Modelo de IA: es un componente específico enfocado en una tarea precisa como la predicción o la clasificación.
   • Sistema de IA: es un caso de uso que integra múltiples componentes, incluidos modelos de IA, datos de entrenamiento, para resolver un problema o brindar un servicio.

2. Componentes:

   • Modelo de IA: Solo incluye el algoritmo.
   • Sistema de IA: Incluye infraestructura para implementación, interfaces de usuario, gestión de datos y modelos de IA.

3. Funcionalidad:

   • Modelo de IA: Proporciona una salida basada en el análisis de datos.
   • Sistema de IA: Utiliza esta salida para interactuar con usuarios u otros sistemas, a menudo en tiempo real.

Registro de Sistemas de IA en Dastra

Enumera tus casos de uso de IA e identifica los riesgos asociados dentro de Dastra.

Para cancelar su suscripción, por favor contáctenos añadiendo cualquier información que nos ayude a identificar su suscripción (nombre de la empresa, etc.).

El entorno de trabajo de Dastra se implementa inmediatamente después de la creación de la entidad.

Sí, ofrecemos suscripciones dedicadas a grandes estructuras (grandes y medianas empresas) compuestas por varias entidades legales.

Dastra es particularmente adecuado para grupos corporativos, ya sea centralizados con una única ubicación para la gestión de entidades y repositorios compartidos, o descentralizados.

Por favor, contáctenos si desea más información sobre cómo Dastra puede ayudar a su organización específica.

La oferta de prueba es por un período de un (1) mes. Después de eso, puedes contactarnos directamente para extenderla si lo necesitas.

¡Sí!

Con DASTRA, puedes conectar tu propia solución de alojamiento de datos para alojar los documentos almacenados en la aplicación. Esto incluye todos los documentos almacenados en el sistema de gestión documental y los documentos almacenados en el sistema de gestión de derechos.

Tienes control sobre la seguridad de este alojamiento. Los archivos permanecen bajo tu control.

Hoy en día, podemos conectar Amazon S3 y Azure Blob Storage. Otros servicios pueden desarrollarse bajo demanda, por favor contáctanos si tienes alguna pregunta sobre este tema.

La Directiva ePrivacy 2002/58/CE, enmendada en 2009, a menudo llamada 'Directiva sobre la privacidad y las comunicaciones electrónicas', es una iniciativa de la Comisión Europea destinada a garantizar la confidencialidad de las comunicaciones y proteger a los usuarios contra ciertas prácticas invasivas en el ámbito digital. Se transpone de manera diferente en cada Estado miembro (en Francia, a través de la Ley de Protección de Datos, especialmente en lo que respecta a las cookies y el marketing directo).

La Ley de IA se comercializa en un módulo dedicado o complementario de las ofertas de Privacidad. Dependiendo del número de empleados en su empresa, el importe de la suscripción variará. Consulte nuestra página de precios o contáctenos para obtener más información.

El enfoque hacia los sistemas de IA se basa en una evaluación de riesgos. El marco regulatorio define cuatro categorías de riesgo para los sistemas de inteligencia artificial (IA), con diferentes niveles de regulación dependiendo de los distintos niveles de la pirámide.

• Riesgos inaceptables
• Riesgos altos
• Riesgos limitados/moderados
• Riesgos mínimos o nulos

La Ley de IA, o Reglamento sobre la Inteligencia Artificial, es un reglamento desarrollado para regular y fomentar el desarrollo así como la comercialización de sistemas de inteligencia artificial dentro de la Unión Europea. Propuesto por la Comisión Europea en abril de 2021, la Ley de IA entró en vigor el 12 de julio de 2024, tras tres años de negociaciones.

• Informar a los interesados de manera clara y accesible sobre el uso de sus datos (propósito, periodo de conservación, derechos, etc.).
• Justificar una base legal para cada tratamiento (consentimiento, contrato, interés legítimo, etc.).
• Respetar los derechos de los interesados (acceso, rectificación, supresión, oposición, etc.).
• Asegurar la seguridad de los datos personales: se deben implementar medidas técnicas y organizativas adecuadas para proteger los datos contra riesgos de pérdida, acceso no autorizado o divulgación.
• Documentar todas las actividades de tratamiento en un registro, especialmente a partir de 250 empleados o en caso de tratamiento sensible o no ocasional.
• Notificar las violaciones de datos a la CNIL (u otra autoridad competente) dentro de las 72 horas, y a veces, a los interesados afectados.
• Enmarcar las relaciones con los subcontratistas a través de contratos formalizados, para asegurar su cumplimiento con los requisitos del RGPD y aclarar las responsabilidades de cada parte.

Los tres principios principales del reglamento general de protección de datos son:

1. Transparencia, equidad y legalidad: Los datos personales deben ser recopilados y tratados de manera transparente, legal y justa. Esto implica informar a los interesados sobre cómo se utilizarán sus datos y asegurarse de que brinden su consentimiento informado.
2. Minimización de datos: Solo se deben recopilar los datos necesarios para el propósito específico. Este principio anima a las empresas a limitar la cantidad de datos personales que procesan, reduciendo así los riesgos para la privacidad de las personas.
3. Seguridad y confidencialidad: Los datos personales deben ser protegidos contra el acceso, tratamiento o divulgación no autorizados. Las empresas deben implementar medidas técnicas y organizativas para garantizar la seguridad de los datos personales que procesan.

La plataforma de gestión de consentimientos se comercializa como un módulo dedicado. Dependiendo del número de visitantes a su sitio web, la tarifa de suscripción variará. Consulte nuestra página de precios o contáctenos para más información.

Las cookies se pueden clasificar en varias categorías:

1. cookies estrictamente necesarias
2. cookies de rendimiento
3. cookies de funcionalidad

Un banner de cookies es esencial tan pronto como almacenas o accedes a información en el dispositivo de un usuario, independientemente de la tecnología utilizada. En cuanto se utilicen rastreadores no esenciales — como los de publicidad dirigida, medición de audiencia con datos identificables o personalización — debes informar al usuario y obtener su consentimiento previo.

El GDPR prohíbe la recopilación y el uso de datos que revelen origen racial o étnico, opiniones políticas, creencias religiosas o filosóficas, pertenencia a sindicatos, así como el tratamiento de datos genéticos, datos biométricos que permitan la identificación única de una persona, información sobre la salud o datos relacionados con la vida sexual o la orientación sexual de un individuo.

Sin embargo, existen excepciones a esta prohibición, que incluyen:

• Si el interesado ha dado su consentimiento explícito, que debe ser libre, específico, informado y, preferiblemente, por escrito.
• Si la información ha sido manifiestamente hecha pública por el interesado.
• Si estos datos son necesarios para la protección de la vida humana.
• Si su uso está justificado por un interés público y autorizado por la CNIL.
• Si se refiere a miembros o afiliados de una asociación u organización política, religiosa, filosófica o sindical.