Qué no cuenta como evidencia de IA
Nota: Este documento es una traducción automática del original en inglés.
Qué no cuenta como evidencia de IA
Un proyecto puede presentar muchos artefactos que parecen pruebas de un AI component en funcionamiento, pero que, al examinarlos de cerca, en realidad no demuestran ninguno. Esta página enumera los anti-patrones más comunes: señales que afirman capacidad de IA sin aportar evidencia verificable. Es el complemento de Qué cuenta como evidencia de un AI component.
En resumen: el texto de marketing, los repositorios vacíos, las métricas sin metodología, los API wrappers sin lógica propietaria y la palabra "AI" en el nombre de un token no son evidencia de un AI component en funcionamiento.
Por qué importa reconocer las señales falsas
La frontera entre "evidencia" y "no evidencia" es la base del enfoque de DecAIHub frente al AI-washing. Reconocer los patrones siguientes no es una acusación contra el proyecto: significa que el artefacto concreto no aporta nada a la AI reality verificable y no debe confundirse con evidencia Tier-1.
Anti-patrones comunes
"Usamos IA" en el texto de marketing
Decir "impulsado por IA", "construido con machine learning" o "basado en redes neuronales" en una landing page o un pitch deck es una afirmación de posicionamiento, no evidencia. Sin artefactos Tier-1 (código, documentación, demos), esas palabras no tienen peso verificable.
DecAIHub no penaliza a los proyectos por usar la palabra, pero tampoco la trata como evidencia. La presencia de "AI" en el marketing eleva el listón: si un proyecto presume de IA de forma prominente, la ausencia de artefactos de respaldo se vuelve más llamativa.
Repositorio vacío o no relacionado
Un repositorio de GitHub que existe pero no contiene código de IA/ML —o que contiene únicamente un README, código boilerplate o scripts no relacionados— es una señal de alarma. Un repositorio significativo tiene commits, releases, tests y código que se alinea con las afirmaciones del whitepaper o de la documentación.
Patrones comunes: un repositorio creado recientemente con un único commit inicial; un fork de un framework popular sin modificaciones; una colección de archivos de configuración sin código de modelo; un repositorio sin commits en más de un año mientras el proyecto sigue afirmando un desarrollo de IA activo.
Métricas sin metodología
Afirmar "95 % de precisión" o "rendimiento de vanguardia" no significa nada sin contexto: qué se midió, sobre qué datos, cuándo y con qué versión del modelo. Las métricas sin metodología no son evidencia Tier-1.
"Nuestro modelo alcanza 0,92 de F1 en el benchmark XYZ, evaluado en la versión 2.1 en enero de 2026" es una métrica. "Alcanzamos un 92 % de precisión" es una afirmación. DecAIHub registra las afirmaciones como declaraciones anotadas, pero no activa el flag AI_3 basándose en ellas.
API wrapper sin lógica propietaria
Llamar a la API de OpenAI, Anthropic u otra de terceros y devolver el resultado no es evidencia de la IA propia del proyecto. Un API wrapper puede ser un producto válido, pero no convierte al proyecto en un proyecto de IA en el sentido en que lo evalúa DecAIHub. La IA pertenece al proveedor, no al proyecto.
Si un proyecto aplica su propio fine-tuning, combina la salida de terceros con modelos propietarios o añade un post-procesamiento medible, el panorama cambia. La pregunta clave es si el proyecto añade un valor verificable a nivel de IA más allá de lo que ofrece la API en bruto. Si todo el "AI component" es una sola llamada a la API con un system prompt, la AI reality pertenece al proveedor.
"AI" solo en el nombre del token o en el branding
Si la única conexión de un proyecto con la IA es la palabra "AI" en su ticker de token, su nombre de dominio o su branding —sin implementación técnica detrás—, esto es posicionamiento, no evidencia.
El ticker de un token es una etiqueta, no una funcionalidad. DecAIHub trata la denominación como una señal neutral: ni suma ni resta en la evaluación de la evidencia. Lo que importa es si existen artefactos detrás del nombre.
Asociación con una empresa de IA
Un anuncio de asociación (p. ej., "asociados con NVIDIA" o "integrados con OpenAI") es Tier-2 en el mejor de los casos. Muestra una vinculación, no un AI component en funcionamiento dentro del proyecto. Las asociaciones no sustituyen al código, la documentación o las demos.
Las asociaciones van desde colaboraciones técnicas profundas (investigación conjunta, modelos co-desarrollados) hasta vínculos laxos (pertenencia a una aceleradora, aparecer en un directorio de socios). La mayoría de las asociaciones anunciadas en el espacio cripto-IA se sitúan en el extremo más laxo. Solo las asociaciones con producción técnica verificable aportan al panorama de la evidencia, e incluso entonces como contexto Tier-2 y no como prueba Tier-1.
"Roadmap de IA" o intención de IA sin implementación
Un elemento del roadmap que dice "funcionalidades de IA llegando en el Q3" muestra intención (AI_0), no un AI component en funcionamiento. La intención se registra como un único flag, pero por sí sola no indica un AI component en funcionamiento. La fórmula del ai_score tiene un tope en 3, así que AI_0 por sí solo aporta de forma mínima.
Los planes cambian, se retrasan o se cancelan. DecAIHub registra la intención oficial de IA mediante el flag AI_0 para distinguir los proyectos que han declarado ambiciones de IA de los que no. Pero el flag es el suelo, no el techo: aporta ai_score = 1 como máximo, y solo cuando la intención proviene de una fuente Tier-1.
Demos sin un backend de IA verificable
Un frontend pulido que afirma mostrar resultados de IA pero no proporciona forma de verificar que hay un modelo de IA ejecutándose detrás —sin documentación de API, sin versión de modelo, sin salidas reproducibles— no es evidencia suficiente.
Una demo verificable permite distintas entradas y produce salidas variadas según el contexto. Puede exponer un endpoint de API, mostrar información de la versión del modelo u ofrecer un modo sandbox. Una vitrina, en cambio, sigue un camino guionizado o produce salidas idénticas con independencia de la entrada. DecAIHub busca lo primero; lo segundo se anota pero no contribuye a los flags de evidencia más allá de AI_0.
"Modelo afinado (fine-tuned)" sin detalles
Afirmar tener un modelo afinado (fine-tuned) no es evidencia salvo que el proyecto especifique: el modelo base, el dataset usado para el fine-tuning, la mejora respecto al modelo base y las métricas de calidad con metodología.
Una afirmación de fine-tuning creíble nombra el modelo base, describe los datos de entrenamiento y muestra una mejora medible en una tarea definida. Sin estos detalles, "afinamos un modelo" es indistinguible de "usamos un modelo".
Tabla de referencia de anti-patrones
| Anti-patrón | Qué afirma | Qué demuestra en realidad |
|---|---|---|
| "Impulsado por IA" en la web | El proyecto tiene IA | Nada sin artefactos Tier-1 |
| Repositorio de GitHub vacío | Código de IA open-source | El repositorio existe; el código de IA no |
| "95 % de precisión" sin contexto | IA de alta calidad | Se enunció un número; su validez se desconoce |
| API wrapper de OpenAI | El proyecto "usa IA" | El proyecto llama a la IA de otro |
| "AI" en el nombre del token | Proyecto relacionado con IA | Se tomó una decisión de denominación |
| Asociación con un laboratorio de IA | Capacidad de IA | Existe una vinculación |
| "IA en el roadmap del Q3" | Futuro AI component | Solo intención (AI_0) |
| Demo pulida, sin evidencia de backend | IA en funcionamiento | Se construyó un frontend |
| "LLM afinado" sin detalles | Modelo propietario | Se hizo una afirmación |
Cómo distinguir las señales falsas de la evidencia débil pero real
No todo artefacto que no alcanza el estándar Tier-1 carece de valor. Algunos artefactos son evidencia genuinamente débil: insuficientes por sí solos pero significativos en combinación. La tabla siguiente aclara la frontera:
| Artefacto | Señal falsa (sin valor de evidencia) | Evidencia débil pero real |
|---|---|---|
| Repositorio | Vacío o solo boilerplate | Contiene algo de código de IA pero carece de tests o releases |
| Métrica | Número sin metodología | Número con metodología parcial (falta una de las cuatro preguntas de contexto) |
| Demo | Vitrina guionizada con salidas fijas | Demo interactiva sin documentación de API ni versión de modelo |
| Asociación | Logo en una página de socios | Producción técnica conjunta (paper co-firmado, repo compartido) |
| Documentación | Whitepaper de marketing sin profundidad técnica | Whitepaper técnico que describe la arquitectura pero carece de detalles de versión |
La evidencia débil puede contribuir a activar flags individuales cuando se corrobora con otros artefactos. Las señales falsas no contribuyen sin importar la cantidad: diez repositorios vacíos no son más sólidos que uno.
Cómo registra DecAIHub estos casos
Cuando no se encuentra evidencia Tier-1 de un AI component en funcionamiento, el ai_score del proyecto permanece en 0 o 1. Si la IA se promociona activamente en el marketing mientras la evidencia está ausente, puede activarse un flag de AI-washing en la tarjeta.
Esto no es una acusación: es un registro de la brecha entre las afirmaciones y los artefactos a fecha de la verificación. Cuando aparece nueva evidencia, la tarjeta se actualiza.
El ai_score suma los flags binarios AI_0 hasta AI_4 (con tope en 3). Un proyecto que solo muestra anti-patrones de esta página tendrá típicamente ai_score = 0 o ai_score = 1 (si AI_0 está activado mediante un roadmap oficial), lo que limita directamente su máximo DecAI Fit.
Qué no demuestra esta lista por sí sola
- Exhibir uno o más anti-patrones no es una acusación contra el proyecto. Muchos proyectos en etapa temprana carecen de artefactos simplemente porque la tecnología aún no es pública.
- La ausencia de anti-patrones no demuestra que la IA sea real. Un proyecto puede evitar todas las señales de alarma de esta lista y aun así no tener un AI component en funcionamiento.
- Esta lista es una instantánea: los anti-patrones pueden resolverse a medida que los proyectos maduran y publican nuevos artefactos.
Preguntas frecuentes
¿Por qué tener "AI" en el nombre del token no cuenta como evidencia?
El nombre de un token es una decisión de branding, no un artefacto técnico. Cualquier proyecto puede elegir un ticker que incluya "AI" sin construir tecnología alguna. DecAIHub evalúa la evidencia a partir de artefactos inspeccionables y verificables: código, documentación, demos, métricas con metodología. Un nombre no cumple ninguno de estos criterios. El nombre del token se registra en la tarjeta del proyecto como metadato, pero no influye en ninguno de los cinco flags de AI reality (AI_0 hasta AI_4).
¿Una asociación con NVIDIA (u otra empresa de IA) es evidencia de IA?
No. Un anuncio de asociación se clasifica como Tier-2 en el mejor de los casos: aporta contexto pero no demuestra que exista un AI component en funcionamiento dentro del proyecto. Las asociaciones varían enormemente en profundidad: desde esfuerzos profundos de co-ingeniería hasta simples listados de "miembro del ecosistema". Salvo que la asociación haya producido una salida técnica verificable (una base de código compartida, investigación co-publicada, un despliegue mantenido conjuntamente), sigue siendo una vinculación y no evidencia. Puede respaldar un hallazgo Tier-1 si existe, pero no puede sustituirlo.
¿Qué hay de los proyectos que prometen funcionalidades de IA en su roadmap?
Una entrada de roadmap procedente de una fuente oficial Tier-1 (el propio blog, la documentación o una propuesta de gobernanza del proyecto) se registra mediante el flag AI_0, que captura la "intención de IA declarada". Esto fija el ai_score en al menos 1, distinguiendo al proyecto de los que no mencionan IA en absoluto. Sin embargo, un roadmap es un plan, no una implementación. El flag AI_0 es la señal positiva más baja posible y, por sí solo, limita el DecAI Fit a un máximo de 3 sobre 6 debido a las reglas de tope del ai_score. Cuando los hitos del roadmap se entregan y aparecen artefactos verificables, la tarjeta se actualiza y pueden activarse flags superiores.
¿Puede un proyecto mostrar varios anti-patrones y aun así tener un AI component real?
Sí. Los anti-patrones indican que ciertos artefactos no constituyen evidencia, no demuestran la ausencia de tecnología. Un proyecto podría tener malas prácticas de marketing y afirmaciones de métricas vagas mientras opera simultáneamente un sistema de IA legítimo que no está bien documentado públicamente. DecAIHub evalúa lo que es verificable en el momento de la revisión. Si la tecnología subyacente existe pero no es inspeccionable externamente, no puede puntuarse, y se anima al proyecto a publicar los artefactos necesarios para actualizar su tarjeta.
Referencias externas
- OECD AI Policy Observatory — marco de clasificación de IA — un recurso internacional para entender cómo se definen, clasifican y gobiernan los sistemas de IA en distintas jurisdicciones.
- Papers With Code — benchmarks de vanguardia — un recurso comunitario que recopila resultados de benchmarks de IA con código y metodología enlazados; útil para entender en la práctica cómo se ven las "métricas con metodología".
- Stanford HAI — AI Index Report — un informe anual que sigue las tendencias en investigación, desarrollo y despliegue de IA; aporta contexto para evaluar las afirmaciones de IA frente al panorama más amplio.
No comments to display
No comments to display