Dado que la inteligencia artificial está remodelando los fundamentos de la distribución global de información, la toma de decisiones empresariales y la cognición social, garantizar la transparencia, equidad y trazabilidad algorítmica se ha convertido en la demanda suprema de derechos humanos de la era digital. AI Audit Unit (AAU), como institución de supervisión independiente de terceros, se compromete no solo a revelar sesgos y alucinaciones dentro de las cajas negras algorítmicas, sino también a establecer un estándar de confianza global cuantificable. Esta carta sirve como el principio rector supremo para todas nuestras acciones y representa nuestro compromiso solemne con el público, las entidades auditadas y las partes interesadas globales.
AAU se compromete a mantener una independencia de capital absoluta. Nuestra organización y el equipo fundador principal tienen estrictamente prohibido poseer acciones, opciones o servir en cualquier capacidad de asesoría con cualquier proveedor de modelos fundamentales. Nuestros ingresos provienen únicamente de servicios de auditoría y licencias de datos, y nunca aceptaremos ninguna forma de patrocinio o donación de entidades auditadas.
Si un auditor tiene relaciones familiares inmediatas, relaciones laborales dentro de los últimos tres años o tratos económicos significativos con la entidad auditada, el auditor debe informar inmediatamente a nuestro comité de cumplimiento y recusarse del trabajo de auditoría de ese proyecto.
Nuestra organización retiene los derechos finales de interpretación sobre las conclusiones de auditoría. Rechazamos cualquier solicitud de modificar conclusiones basadas en necesidades de relaciones públicas comerciales. Una vez que descubramos que una entidad auditada intenta interferir con los resultados de auditoría mediante soborno, presión o transferencias de beneficios, terminaremos inmediatamente la auditoría y nos reservamos el derecho de divulgar públicamente dicha interferencia.
Todas las conclusiones de auditoría deben basarse en registros de conversación originales "reproducibles y verificables". No aceptamos capturas de pantalla de segunda mano o rumores no verificados por el protocolo Fides. Cada conclusión que alegue "alucinación" o "sesgo" algorítmico debe estar acompañada de enlaces de conversación originales o registros del sistema.
Para prevenir la manipulación de evidencia o desaparición debido a actualizaciones de versión del modelo, toda evidencia de auditoría central debe completar el cálculo de valor hash y bloqueo en blockchain a través del centro de evidencia algorítmica en milisegundos desde su generación. Cada pieza de evidencia debe generar un código de seguimiento Trace ID único.
Dada la fluidez de los modelos de lenguaje grandes, los informes de auditoría deben indicar claramente el número de versión específico del modelo y los parámetros de temperatura del sistema en el momento de la prueba. Solo somos responsables del rendimiento algorítmico dentro de "segmentos de tiempo específicos".
Creemos que las pruebas en un contexto únicamente en inglés no pueden representar el rendimiento global de la IA. Cualquier auditoría de reputación dirigida a marcas multinacionales debe incluir al menos tres entornos lingüísticos, con idiomas no universales ponderados no menos del treinta por ciento.
Para detectar "salida discriminatoria" algorítmica o "dobles estándares" dirigidos a regiones específicas, las auditorías deben muestrear a través de nodos físicos ubicados en diferentes jurisdicciones. Está estrictamente prohibido usar una sola dirección IP para conclusiones globales.
Al determinar la existencia de "sesgo cultural", involucraremos a expertos en idiomas nativos del contexto cultural objetivo para revisión semántica, para distinguir entre "ignorancia debido a falta de datos de entrenamiento" y "discriminación sistémica maliciosa".
La auditoría no es conversación casual. Empleamos metodología de pruebas adversariales de equipo rojo. Esto significa que no solo probamos el rendimiento de la IA al cumplir con instrucciones, sino que nos enfocamos particularmente en probar sus mecanismos de defensa y capacidades de adherencia a hechos cuando enfrenta preguntas inductivas, ambiguas o incluso maliciosamente hipotéticas.
Para cualquier "Informe de Auditoría en Profundidad" publicado oficialmente, el tamaño de muestra de prueba efectivo para una sola dimensión no debe ser menor a 1,000 entradas. Para informes "instantáneos", el tamaño de muestra no debe ser menor a 100 entradas. Las pruebas por debajo de estos estándares solo pueden publicarse como "observaciones" en lugar de "conclusiones".
Definimos estrictamente "alucinación algorítmica": 1. Errores Fácticos: Fabricar datos, eventos o fuentes de citación inexistentes. 2. Desconexión Lógica: Procesos de razonamiento contradictorios. 3. Atribución Maliciosa: Asociar forzosamente atributos negativos con entidades específicas sin relaciones causales.
Durante las auditorías, prohibimos estrictamente ingresar datos reales que contengan información de identificación personal en modelos públicos para pruebas. Toda información comercialmente sensible utilizada para pruebas debe someterse a anonimización o reemplazo de datos sintéticos.
A menos que involucre un interés público importante o riesgos de seguridad graves, para informes de calificación no de alto riesgo que involucren solo competitividad comercial, por defecto proporcionamos a las entidades auditadas una "ventana de remediación" de siete días hábiles. Durante este período, los detalles del informe permanecen cerrados al público.
Las calificaciones de riesgo de AAU se calculan basándose en puntuaciones ponderadas en cuatro dimensiones: confiabilidad, seguridad, ética y equidad comercial, independientemente de las preferencias subjetivas de los auditores.
Si una entidad auditada puede proporcionar evidencia técnica concluyente que demuestre fallas lógicas importantes en nuestra metodología de prueba, estamos obligados a iniciar un "procedimiento de revisión" dentro de cuarenta y ocho horas. Si se confirman errores, debemos emitir públicamente una declaración de fe de erratas y actualizar los registros de Trace ID.
Esta carta fue redactada por el Grupo de Trabajo de Desarrollo de Estándares de AAU y finalmente revisada y aprobada por el Comité Estratégico Global de AAU.
