1. ¿Cómo se utiliza la IA?

Los modelos de IA en Yokoy se utilizan para simplificar y mejorar los procesos en el contexto de la gestión de gastos. En la actualidad, esto incluye principalmente el proceso de envío, en el que la IA se utiliza para extraer automáticamente información del recibo y la factura y para «autocompletar» el formulario de envío, pero es posible que en un futuro próximo se amplíe también a otros procesos.

2. ¿Qué datos extraerá la IA?

En el contexto del «autorellenado» del formulario de gastos (los siguientes principios siguen siendo válidos también para otras áreas), los modelos de IA se utilizan únicamente para extraer información objetiva de los documentos (por ejemplo, para los gastos, esto incluye el país, la moneda, el importe total, las partidas de impuestos y más) y no para extraer o recopilar información personal sobre el usuario de la aplicación.

3. La IA de Yokoy no toma decisiones ni emite juicios sobre el usuario

Los modelos de IA no toman ninguna decisión o juicio sensible sobre los usuarios de la app. Si en el futuro Yokoy decidiera añadir modelos de IA que juzgaran de algún modo el comportamiento del usuario o utilizaran datos personales en el desarrollo de los modelos de IA, la activación de dichos modelos sólo se produciría con el consentimiento explícito y registrado de nuestros clientes.

4. No al entrenamiento de la IA con datos personales

La terminología «entrenamiento de un modelo de IA» se refiere al proceso de proporcionar un conjunto de entradas y salidas históricas a un modelo de IA de forma que el modelo pueda deducir su propia lógica y conjunto de reglas para asociar la salida más probable a una entrada futura dada.
En Yokoy, los modelos de IA nunca obtienen datos personales del usuario de la aplicación como entrada y tampoco se entrenan con datos personales. Esto se consigue utilizando un paso de preprocesamiento previo a la aplicación de los modelos de IA que transfiere las imágenes digitalizadas (que pueden contener datos personales en determinadas situaciones) a características puramente técnicas que son completamente anónimas. Los modelos de IA se entrenan y realizan predicciones basándose únicamente en esos datos / características técnicas anónimos. La información sobre el remitente del gasto se proporciona únicamente como un identificador de usuario (un texto aleatorio) a los modelos de IA, donde se utiliza para mejorar la precisión de la extracción de determinados campos basándose en documentos previamente cargados y enviados.

5. Información sobre la lógica implicada en la IA

Existen dos tipos de modelos: los modelos de IA «puros» y los modelos heurísticos.
Mientras que los modelos heurísticos se basan en la lógica humana / empresarial (por ejemplo, para reconocer la fecha o la hora) y son «fáciles» de entender por los humanos, la lógica interna de los modelos de IA «puros» no es fácilmente comprensible por los humanos, razón por la que a menudo se les denomina «cajas negras». Para proporcionar fiabilidad a los modelos de IA pura, cada modelo se somete a un amplio backtesting, por ejemplo, se prueba con datos históricos y en pruebas manuales antes de salir al mercado. Las recalibraciones y la supervisión periódicas de los modelos de IA garantizan que éstos estén actualizados y sean plenamente funcionales. El análisis de la causa raíz de las predicciones erróneas de los modelos, como parte de las revisiones periódicas de los mismos, se utiliza para crear conciencia de las limitaciones de los modelos y mejorar su rendimiento.

6. Conclusión

Dada la finalidad (extracción de información documental objetiva) y el diseño (sin acceso a datos personales) de los modelos de IA en uso, las medidas descritas anteriormente se consideran suficientes para cumplir los requisitos y la normativa en materia de protección de datos. Se seguirá de cerca la evolución jurídica en este ámbito y, si es necesario, se realizarán las adaptaciones oportunas.

Última actualización 19.1.2024