← Aplicaciones de la Minería de Datos a la Investigación de Mercados

3. Comprobar antes de entregar

Qué verificar, en qué orden y con cuánto esfuerzo, con las fuentes de tu materia.

Ya sabes que el sistema completa texto plausible, y ya sabes pedirle ayuda con tu proceso. Falta lo que separa un uso profesional de uno ingenuo: no entregar nada que no hayas comprobado.

Verificar no es desconfiar de todo, que es igual de inútil. Es saber qué comprobar y cuánto esfuerzo dedicarle.

Qué comprobar, en este orden

1. Los hechos. Datos, fechas, cifras, nombres, artículos, funciones. Se contrastan con la fuente, no preguntándole otra vez al mismo sistema.
2. Las referencias. Una a una. La cita con autores reales y DOI inventado es la más traicionera, porque pasa la inspección visual.
3. El razonamiento. Que la conclusión se siga de las premisas, y que las premisas valgan en tu caso. Puede tener todos los datos bien y el argumento mal.
4. Los supuestos ocultos. Qué ha dado por hecho que tú no dijiste: una versión, un contexto, unas unidades, un marco de referencia.
5. Lo que falta. La excepción, el caso límite, la alternativa que no menciona. Las omisiones se ven mucho peor que los errores.
6. El sesgo y la simplificación. Qué convierte en norma general, a quién deja fuera.

Cuánto esfuerzo

Proporcional a lo que cuesta el error:

Si el error…	Verificación
se detecta al usarlo	Comprobación rápida: la propia tarea lo revela
llega a una entrega evaluable	Hechos y referencias, todos
afectaría a una persona o a un cliente	Fuente primaria siempre, y criterio propio

La trampa de preguntarle si está seguro

“¿Estás seguro?” no es verificar. El sistema tiende a acomodarse a lo que parece que esperas: se retracta de cosas correctas y reafirma cosas falsas. Sirve para explorar dudas; no sirve como prueba.

La verificación se hace fuera del sistema.

En Aplicaciones de la Minería de Datos a la Investigación de Mercados

Tienes una ventaja: puedes ejecutar, y el código que falla se delata solo. Comprueba qué datos entran en el modelo y con cuáles se evalúa, y desconfía de lo demasiado bueno: un 99 % de acierto suele ser un error.

Tus fuentes de verdad en esta asignatura, por orden:

1. Tus datos y lo que ocurre al ejecutar el código
2. Los materiales y los ejemplos de las sesiones prácticas
3. La documentación oficial de pandas, scikit-learn y matplotlib
4. Tu propio conocimiento del mercado

Lo que entregas es tuyo

No tiene sentido entregar la salida en bruto sin auditar. Tu trabajo de curso es tuyo aunque la IA haya intervenido mucho, y de él respondes tú. Lo que tienes que poder defender no es cada línea de código, sino cada decisión: la necesidad, la técnica, los datos y lo que demuestra el resultado.

Si no puedes explicar por qué algo está así, todavía no está listo para entregar.

Lo que deberías poder hacer

1. Ante un código generado con IA, señalar las tres cosas que comprobarías primero.
2. Localizar una decisión que el código haya tomado por ti y decidir si la mantienes.

Verlo explicado

Un vídeo corto de Asociación Programamos que desarrolla lo anterior. Verlos es opcional.

Más recursos para profundizar →