OWIlabs

Datos y seguridad

Hay personas que nos confiaron algo. Así lo cuidamos.

Cómo se recogen, se agregan, se protegen y se eliminan los datos de un proyecto, y las diez líneas de ética que rigen lo que un modelo puede hacer con ellos.

Por qué existe esta página

La confianza es primero una cuestión de diseño y después una cuestión jurídica.

Nuestra página «Principios» expone lo que debemos a las empresas y a las personas con las que trabajamos. Esta página es la capa que hay debajo: cómo circulan los datos de un proyecto, qué los protege y las reglas que un modelo tiene que cumplir antes de que se le permita elaborar un informe.

Describimos lo que está construido, no lo que esperamos construir más adelante. Cuando sus equipos de compras, seguridad o asesoría jurídica necesitan una respuesta propia de su organización, una persona se la da por escrito.

Lea nuestros principios

Ciclo de vida de los datos

Qué ocurre con lo que las personas nos cuentan.

01

Primero el propósito, después el consentimiento

Antes de que empiece la conversación, la persona sabe quiénes somos, quién encargó el trabajo y para qué sirve. No es una evaluación del desempeño, y nadie avanza más allá de ese punto sin haber aceptado seguir.

02

Una referencia, no un nombre

Para reservar una conversación, cada persona introduce ella misma su correo profesional y su número de teléfono, que sirven para fijar la hora y para nada más. Esos datos no acompañan a las respuestas: lo que entra en el análisis lleva una referencia y no una persona, y no se elabora ningún perfil, puntuación ni expediente de una persona con nombre y apellidos.

03

Agregados antes de entregarse

Lo que recibe la dirección es estructura y patrones con la evidencia que los sostiene. Ni grabaciones, ni transcripciones, ni respuestas individuales llegan al empleador, y un hallazgo que solo pudiera describir a una persona no se entrega.

04

Conservados solo el tiempo necesario

Los datos de un proyecto se conservan mientras el proyecto lo requiera, y no más. Puede pedirnos que los eliminemos, y confirmamos por escrito qué se ha retirado.

Garantías

Los controles que rodean los datos.

La versión corta de cómo se protegen los datos de un proyecto, en los términos que emplea una revisión de seguridad. Si su equipo necesita la versión larga, pídala y la escribiremos.

Son los estándares con los que está construido nuestro tratamiento, no una declaración de certificación. Preferimos decirle qué existe y qué sigue en nuestra lista.

01

Cifrados en tránsito y en reposo

Los datos de un proyecto van cifrados mientras se transmiten y mientras están almacenados.

02

Accesibles solo para el equipo que entrega

El acceso se limita a las personas que entregan su proyecto, mediante cuentas nominativas y no con una credencial compartida.

03

Reducidos al mínimo

Tomamos lo que el proyecto necesita y nada más: los datos de contacto que la persona introduce para reservar su conversación y lo que decide contar en ella. Ni pulsaciones de teclado, ni acceso a buzones de correo o cuentas de calendario, ni seguimiento de la actividad.

04

Nunca reutilizados para otro cliente

Los datos recogidos para un cliente nunca se usan para entrenar un modelo destinado a otro, y nunca vendemos datos a nadie.

05

Sin atribución individual

No mostramos atribución individual ni habilitamos la vigilancia del desempeño. Lo que producimos es estructural: sobre la organización, no sobre las personas que la integran.

06

Construidos según la Loi 25, la PIPEDA y el RGPD

Esos estándares dan forma al tratamiento desde la primera conversación, y las solicitudes de acceso, rectificación o supresión se dirigen a info@owilabs.com.

Manifiesto de ética de la IA

Diez líneas que rigen el modelo.

La seguridad mantiene los datos a salvo. Estas diez líneas deciden qué puede hacer el modelo con ellos, y condicionan decisiones de diseño ya tomadas dentro de OWI.

01

Modelamos organizaciones, no personas.

El mapa representa la estructura: cómo circula el trabajo, dónde se toman de verdad las decisiones, en quién recae la responsabilidad. Las personas empleadas, una a una, son la fuente de esa imagen, y nunca se elabora un perfil, una puntuación ni un expediente de una persona con nombre y apellidos. Si un hallazgo solo puede formularse sobre una única persona, no entra en el modelo.

02

Workforce Intelligence no es vigilancia.

OWI no lee pulsaciones de teclado, no se conecta a buzones de correo ni a cuentas de calendario y no sigue la actividad a medida que ocurre. Lo que una persona nos da antes de una conversación son los datos de contacto que introduce ella misma para reservar su hora. Lo que alimenta el modelo es una conversación anónima de 30 minutos por persona, en inglés o en francés, en el momento que cada persona elige y con el propósito indicado de antemano, y las respuestas se agregan antes de que nadie en la organización cliente las vea. La monitorización continua de personas concretas es otra categoría de herramienta, y no es la que construimos.

03

Lógica transparente, no autoridad de caja negra.

Cada patrón y cada recomendación de un informe se remonta a una regla o a una evidencia que podemos enunciar en lenguaje llano. Si un hallazgo no puede recorrerse paso a paso con el cliente que lo lee, no se entrega. Un modelo que nadie puede interrogar no es inteligencia, es una opinión en una tipografía segura de sí misma.

04

Los modelos computacionales son representaciones, no la realidad.

Al mapa le exigimos un único criterio: la descripción más exacta de cómo funciona de verdad la organización que las evidencias permitan sostener, construida a partir de lo que dijeron las personas que la integran y no a partir de un organigrama o de un diagrama de procesos. Una representación se gana su autoridad mostrando cómo se ha llegado a ella, no pretendiendo ser la cosa misma. Cuando una lectura es incierta o las evidencias que la sustentan son escasas, el informe lo dice en lugar de redondear al alza para parecer más acabado.

05

Las decisiones humanas exigen responsabilidad humana.

Los resultados de OWI orientan las decisiones, no las toman. Ningún flujo de trabajo que construimos permite que un resultado automatizado desencadene por sí solo una medida con consecuencias. Una reorganización, un cambio de funciones, una decisión de plantilla: una persona lee las evidencias, decide y asume la decisión. El modelo puede poner las evidencias sobre la mesa. No puede ser quien responda de lo que se haga con ellas.

06

El sesgo es estructural antes que algorítmico.

Antes de ejecutar cualquier detección de patrones, examinamos quién estuvo y quién no estuvo en la conversación, y si las preguntas se inclinaban hacia una parte de la organización. Un modelo construido sobre una muestra sesgada reproduce ese sesgo por muy cuidadoso que sea el análisis posterior, de modo que qué partes de la organización participaron, y cuáles no, se indica en el propio entregable en lugar de quedar como una nota a pie de página.

07

La gobernanza de datos no es negociable.

Recopilamos lo que un proyecto necesita y nada más, cifrado en tránsito y en reposo, conservado solo mientras el proyecto lo requiera y accesible únicamente para las personas que lo llevan a cabo. Construido conforme a los estándares de la Ley 25 (Quebec, «Loi 25»), PIPEDA y el RGPD desde la primera conversación. Los datos recopilados para un cliente nunca se usan para entrenar un modelo para otro.

08

La simulación no implica respaldo.

Modelar un escenario muestra lo que ese escenario produciría. No es una recomendación de seguirlo. Una vía de adopción de la IA, una opción de reestructuración, una secuencia de fusión: simulamos opciones precisamente para que quien dirige pueda ver cuáles son malas ideas antes de comprometerse con una. Mostrar adónde lleva un camino y defenderlo son actos distintos, y el informe está escrito para mantenerlos separados.

09

La asimetría de poder exige una responsabilidad activa.

Las personas cuyo trabajo diario estudiamos rara vez tienen la capacidad de influencia de los directivos que encargan el estudio. Ese desequilibrio implica que el deber de protegerlas no termina en el consentimiento. Pasa por los umbrales de agregación, la anonimización desde el diseño y el rechazo de proyectos concebidos para identificar a personas en lugar de entender la estructura.

10

Sometemos nuestros sistemas a escrutinio.

Tratamos nuestra propia metodología como algo que debe comprobarse, no como algo en lo que se confía por defecto. Un cliente puede preguntar cómo se obtuvo cualquier hallazgo concreto y recibir el razonamiento que condujo a él. La revisión externa de nuestros controles de anonimización y de sesgo es bienvenida, no algo a lo que nos resistamos. Un manifiesto que no puede cuestionarse no es una práctica ética, es una página de marketing, y este pretende ser lo primero.

Preguntas que nos hacen

Lo que preguntan primero compras y asesoría jurídica.

¿Quién de nuestra empresa puede ver respuestas individuales?

Nadie. La dirección recibe hallazgos agregados: estructura, patrones y la evidencia que los sostiene. Las grabaciones, las transcripciones y las respuestas individuales se quedan con nosotros.

¿Dónde se alojan nuestros datos y quién más los toca?

OWI Labs tiene su sede en Montreal, Quebec, y opera su propia infraestructura. Para un proyecto concreto confirmamos por escrito dónde residen los datos y qué categorías de proveedores intervienen, bajo acuerdo de confidencialidad si lo prefiere.

¿Cuánto tiempo los conservan y podemos pedir que se eliminen?

Solo el tiempo que el proyecto requiera. Puede pedir la eliminación de los datos de un proyecto en cualquier momento escribiendo a info@owilabs.com, y le decimos qué se ha retirado.

¿Entrenan IA con nuestros datos?

Para nadie más. Lo que un cliente nos confía nunca se usa para construir un modelo destinado a otro cliente, y nunca se vende a nadie.

¿Puede una persona detenerse a mitad de camino?

Sí. El propósito se indica al principio, participar es una elección, y una persona puede terminar la conversación cuando quiera y sin dar explicaciones.

¿Podemos ver cómo se produjo un hallazgo?

Sí. Cada patrón se remonta a una regla o a una evidencia que podemos enunciar en lenguaje llano, y recorremos cualquier hallazgo concreto con las personas que lo leen.

Estar a la altura

Pregúntenos cómo se obtuvo un hallazgo.

Estas diez líneas solo valen algo si usted puede ponerlas a prueba. Si quiere ver cómo se produjo un patrón concreto de su informe, o cree que un proyecto debería haberse rechazado en virtud del principio nueve, esa conversación está abierta.

Hable con nosotros

Una imagen más clara. Un siguiente paso mejor.

El cambio empieza
por comprender.