Fase 1. Definición conceptual de la representación de entidades en sistemas de IA
Documento de trabajo · Versión conceptual 0.1 · 25 de octubre de 2026
El primer paso de ERIA-01 no consiste en decidir cómo puntuar la visibilidad de una marca, sino en definir qué fenómeno queremos estudiar cuando preguntamos cómo un sistema de inteligencia artificial representa una entidad.
Esta distinción es fundamental: un sistema puede reconocer correctamente una marca, describirla de forma incompleta, asociarla con una categoría equivocada, recomendarla en determinadas circunstancias o atribuirle información procedente de otra entidad.
Son fenómenos relacionados, pero no necesariamente equivalentes.
El objetivo inicial es construir una definición que permita estudiar esos fenómenos sin confundir lo que el sistema produce con los mecanismos internos que desconocemos.
Delimitación del punto de partida
ERIA™ parte de una pregunta general:
¿Cómo reconocen, representan, recomiendan y atribuyen los sistemas de inteligencia artificial información sobre entidades, qué aspectos de ese comportamiento pueden observarse y hasta dónde permiten llegar las evidencias obtenidas?
Para responderla, conviene separar tres niveles:
Fenómeno conceptual: aquello que queremos estudiar.
Manifestación observable: aquello que podemos registrar en las respuestas o en otras salidas accesibles del sistema.
Evidencia e inferencia: aquello que los registros permiten afirmar y aquello que todavía requiere interpretación o validación.
Una respuesta de un modelo es evidencia de lo que ese modelo produjo en unas condiciones determinadas.
Por sí sola, no demuestra cómo está representada internamente una entidad, qué información conserva de manera persistente ni qué mecanismos causaron esa respuesta.
Esta será la primera frontera metodológica de ERIA-01.
Definición conceptual propuesta
Definición provisional:
DEFINICIÓN ERIA-01 · VERSIÓN 0.1
La representación de una entidad en un sistema de inteligencia artificial es el conjunto de identificaciones, descripciones, atributos, asociaciones, relaciones y atribuciones que el sistema expresa o utiliza al tratar información sobre esa entidad en un contexto determinado.
Esta representación se estudia inicialmente a través de manifestaciones observables y documentables, sin presuponer que estas reproduzcan de forma completa, estable o directamente accesible el estado interno del sistema.
Esta definición contiene cinco decisiones metodológicas importantes:
La entidad es el objeto de estudio. Puede ser una marca, una empresa, una persona pública, un producto, una organización o cualquier otro objeto identificable.
La representación es contextual. La respuesta puede variar según la pregunta, la conversación, el modelo, la fecha y las condiciones de consulta.
La representación no equivale a una respuesta individual. Una respuesta es una observación concreta de una posible manifestación de esa representación.
La representación no equivale a visibilidad.
Que una entidad aparezca en una respuesta no significa necesariamente que esté correctamente identificada, descrita o recomendada.
La representación observable no equivale al estado interno.
No afirmar que conocemos la estructura interna del modelo a partir de sus respuestas textuales.
La definición es una propuesta conceptual de trabajo, no un resultado empírico validado ni una definición consensuada por una norma externa.
¿Qué componentes puede contener el fenómeno?
Antes de hablar de dimensiones medibles, necesitamos identificar los componentes que podrían formar parte de la representación.
Los siguientes son candidatos conceptuales, no dimensiones definitivas de ERIA™.
- Identificación
¿A qué entidad se refiere el sistema? ¿Distingue una entidad de otras que tienen nombres similares?
Ejemplo observable: identificar correctamente una empresa frente a otra con una denominación parecida.
- Categorización
¿Qué tipo de entidad considera que es? ¿La sitúa en una categoría pertinente?
Ejemplo observable: describir una plataforma de medición de visibilidad en IA como una herramienta de esa categoría, en lugar de atribuirle una función diferente.
- Descripción y atributos
¿Qué características, funciones, propiedades o hechos asocia con la entidad?
Ejemplo observable: explicar qué hace una empresa y para qué tipo de usuario está destinada.
- Relaciones y asociaciones
¿Con qué otras entidades, categorías, productos, personas o conceptos la relaciona?
Ejemplo observable: vincular una marca con su empresa matriz o asociarla con una categoría de competidores.
- Contextualización
¿En qué situaciones, necesidades o escenarios considera pertinente la entidad?
Ejemplo observable: mencionar una herramienta cuando se pregunta por soluciones para una empresa pequeña, pero no cuando se pregunta por necesidades distintas.
- Atribución y procedencia de la información
¿Qué información atribuye a la entidad? ¿Identifica fuentes o distingue entre afirmaciones verificadas, declaraciones y datos inciertos?
Ejemplo observable: atribuir correctamente una característica a la empresa que la declara y señalar la fuente cuando está disponible.
Los seis componentes no tienen por qué ser independientes ni exhaustivos.
Por ejemplo, una atribución incorrecta puede afectar a la descripción de una entidad; una categoría equivocada puede distorsionar sus asociaciones.
Recomendar una entidad no es exactamente lo mismo que representarla.
La recomendación podría ser una manifestación conductual derivada de la representación, de la pregunta, de las instrucciones del sistema o de otros factores.
Conviene estudiarla sin asumir de antemano que conocemos esa relación causal.
Diferenciar componentes, dimensiones, indicadores y métricas
Esta distinción debe quedar clara antes de construir cualquier matriz de observación.
Nivel 1
Componente conceptual
Una parte del fenómeno que queremos comprender.
Ejemplo: identificación de la entidad.
Nivel 2
Dimensión observable
Un aspecto delimitado del fenómeno que puede examinarse mediante un procedimiento definido.
Ejemplo candidato: corrección de la identificación en una respuesta, bajo condiciones de consulta especificadas.
Nivel 3
Indicador
Una señal concreta y registrable que permite evaluar una dimensión.
Ejemplo candidato: presencia de una referencia inequívoca a la entidad objetivo en el texto de respuesta.
Nivel 4
Métrica
Una regla de cuantificación aplicada a observaciones definidas.
Ejemplo hipotético: proporción de respuestas evaluables que identifican correctamente la entidad en un conjunto de consultas.
Estos niveles no son intercambiables.
Una categoría conceptual no es todavía una variable; una variable no es automáticamente un indicador válido; y un indicador no produce una métrica reproducible si carece de reglas de cálculo.
No asumir que todas las dimensiones necesitan una métrica numérica.
En una primera fase, algunas podrían requerir clasificaciones cualitativas, evidencia textual o estados como «no evaluable».
¿Qué podemos observar realmente?
Para mantener la investigación dentro de sus límites, conviene distinguir entre lo que se registra directamente y lo que se infiere.
| Objeto de observación | Qué permite documentar | Qué no demuestra por sí solo |
| Texto de una respuesta | Qué ha expresado el sistema | Qué representación interna posee |
| Identificación expresada | Si reconoce o confunde la entidad en esa respuesta | Que siempre la reconocerá correctamente |
| Atributos mencionados | Qué características le atribuye | Que los atributos sean verdaderos |
| Relaciones expresadas | Qué asociaciones establece verbalmente | Que exista una relación real o estable |
| Recomendación emitida | Si recomienda, omite o compara la entidad bajo ciertas condiciones | Que la entidad sea objetivamente superior o que la recomendación tenga una causa única |
| Fuente citada | Qué fuente presenta el sistema como respaldo | Que la fuente respalde realmente la afirmación |
| Variación entre consultas | Qué diferencias aparecen entre observaciones | Por qué se han producido esas diferencias |
| Variación temporal | Qué cambia entre mediciones comparables | Que el cambio sea persistente o represente una evolución interna del sistema |
La distinción entre cita y respaldo es especialmente importante: que un sistema cite una fuente no significa necesariamente que esa fuente confirme la afirmación que se le atribuye.
De la misma manera, una ausencia en una respuesta solo permite registrar una ausencia bajo las condiciones observadas.
No demuestra que el sistema desconozca la entidad.
Aplicación al corpus previo de ERIA-00
Podemos aprovechar los antecedentes de AVM™ y PCI-L01 sin convertirlos en una validación automática del nuevo modelo.
AVM™: ofrece antecedentes sobre frecuencia de recomendación, cobertura, consistencia, contexto, calidad de recomendación y fuentes de apoyo.
Estas categorías pueden ayudar a identificar aspectos que ERIA debe examinar, pero todavía hay que decidir cuáles pertenecen a la representación y cuáles describen resultados o comportamientos relacionados.
PCI-L01: aporta observaciones longitudinales obtenidas mediante consultas repetidas a distintos sistemas.
Puede ayudar a estudiar variaciones en las respuestas, siempre respetando las condiciones, las limitaciones del corpus y las reglas de anotación originales.
ERIA-00 / OT-05: la auditoría quedó cerrada documentalmente con 160 casos revisados, pero no certificó de forma independiente la implementación técnica de Otterly.
Esa conclusión debe mantenerse separada del análisis conceptual que iniciamos aquí.
Decisión metodológica pendiente
¿Debe ERIA™ estudiar únicamente la representación expresada por el sistema o también los comportamientos asociados a ella?
La distinción importa porque reconocer, describir y relacionar una entidad son aspectos de su representación expresada, mientras que recomendarla, citarla o mantener su presencia a lo largo del tiempo pueden ser resultados relacionados que requieren un tratamiento diferente.
No resolver todavía esa cuestión mediante una arquitectura cerrada. Conservar provisionalmente los seis componentes, con la recomendación como fenómeno relacionado, y examinar sus límites antes de formalizar las dimensiones.
Criterio provisional de cierre de esta primera etapa
Formulado una definición conceptual de trabajo, identificado componentes candidatos y separado el fenómeno de sus manifestaciones observables y de su cuantificación.
No validado dimensiones, fijado indicadores definitivos, establecido métricas ni construido un índice.
No demostrado que los componentes propuestos sean exhaustivos o independientes.
El siguiente paso será delimitar qué pertenece estrictamente a la representación de una entidad y qué corresponde a comportamientos relacionados, antes de definir las dimensiones observables de ERIA™.
Construir un modelo desde el fenómeno que queremos investigar, no simplemente desde las métricas que ya tenemos disponibles.
