AI Use-Case Canvas - Toolkit de IA

📝

Sección 1: Identificación del Caso de Uso

Título descriptivo del caso de uso

Entidad y unidad organizacional responsable

Sponsor de Negocio (nombre, cargo, contacto)

Responsable Técnico (nombre, cargo, contacto)

Fecha de elaboración y versión

🎯

Sección 2: Contexto y Propósito

Descripción del problema o necesidad (máximo 200 palabras)

Servicio, trámite o proceso al que aplica

Propósito específico del sistema de IA

Tipo de sistema de IA

Resultados esperados (cuantificables cuando sea posible)

👥

Sección 3: Actores Involucrados

Usuarios finales del sistema

Perfil de usuarios (nivel de alfabetización digital, accesibilidad, diversidad)

Propietario de Datos (responsable de datos utilizados)

Stakeholders afectados por decisiones del sistema

Roles de gobernanza involucrados

DPO

TIC/Seguridad

Jurídica

Comité de IA

📊

Sección 4: Datos Requeridos

Fuentes de datos

Categorías de datos

Personales

Sensibles

Públicos

Volumen estimado de datos y frecuencia de actualización

Evaluación preliminar de calidad y representatividad de datos

Evaluación preliminar de privacidad

⚖️

Sección 5: Revisión Legal y Bases Jurídicas

Base legal para la prestación del servicio público correspondiente

Base legal para tratamiento de datos personales (si aplica)

Consentimiento

Ejecución de contrato

Cumplimiento legal

Interés legítimo

Función pública

Identificación de normativa específica aplicable (sectorial, territorial)

Evaluación preliminar de conformidad legal por área Jurídica

⚠️

Sección 6: Clasificación Preliminar de Riesgo

Aplicación de criterios de clasificación (AI Act)

¿Afecta derechos fundamentales?

¿Servicios esenciales?

¿Decisiones sobre personas?

¿Biometría?

Clasificación preliminar

Inaceptable

Alto

Limitado

Mínimo

Justificación de la clasificación

🔍

Sección 7: Identificación Preliminar de Riesgos

Riesgos éticos (discriminación, autonomía, dignidad)

Riesgos de privacidad (re-identificación, uso secundario, brechas)

Riesgos de seguridad (ataques, fallos, manipulación)

Riesgos de equidad (sesgos, exclusión de grupos)

Riesgos operativos (dependencia de proveedor, sostenibilidad, obsolescencia)

Riesgos reputacionales (confianza pública, controversias)

Mitigaciones preliminares identificadas

📈

Sección 8: Métricas de Éxito e Indicadores de Impacto

KPIs de desempeño técnico (precisión, disponibilidad, tiempo de respuesta)

KPIs de impacto en servicio (eficiencia, satisfacción, cobertura)

KPIs de cumplimiento (ARA/DPIA, controles, auditoría)

Línea base actual (para medir mejora)

Metas cuantificables a 6 y 12 meses

🚀

Sección 9: Plan de Despliegue, Formación y Comunicación

Estrategia de implementación

Piloto

Despliegue gradual

Big bang

Alcance inicial y escalamiento planificado

Necesidades de capacitación identificadas (funcionarios, ciudadanos)

Plan de comunicación y divulgación ciudadana (si aplica)

Cronograma estimado de implementación

🔒

Sección 10: Monitoreo, Auditoría y Respuesta a Incidentes

Controles de monitoreo continuo propuestos (técnicos, de equidad, de privacidad)

Frecuencia de revisiones y auditorías

Protocolo de respuesta a incidentes

Canales de reclamación ciudadana (si aplica)

⏹️

Sección 11: Criterios y Plan de Fin de Vida

Condiciones que activarían el retiro del sistema

Plan preliminar de gestión de datos al final de vida

Plan de transición a alternativas

✅

Sección 12: Aprobaciones y Decisión

📋 AI Use-Case Canvas