Metodología de Auditoría de AIBRI (v1.0)

1. Misión y visión

AIBRI examina cómo la IA moldea estructuralmente la percepción de marcas y productos en flujos de búsqueda, comparación y recomendación.

Construimos referencias auditables de cognición mediante revisión independiente para que empresas, investigadores y público comprendan mejor los mecanismos de sesgo detrás de las salidas del modelo.

2. Métrica central: índice AIRI

AIRI (AI Recognition Index) es el modelo de evaluación propio de AIBRI para medir la cuota mental de una marca dentro de redes neuronales de IA. El índice se calcula con cuatro dimensiones ponderadas.

• Presencia: con qué frecuencia y en qué orden aparece una marca en consultas sectoriales relevantes.
• Fuerza de asociación: qué tan estrechamente se vincula la marca con términos clave como innovación, fiabilidad y seguridad.
• Polaridad sentimental: si el encuadre del modelo es neutral, positivo o negativo.
• Precisión factual: qué tan alineada está la salida del modelo con datos oficiales del mundo real.

3. Protocolo y flujo de auditoría

AIBRI sigue un proceso estricto no inductivo para que cada conclusión se base en salidas probabilísticas objetivamente generadas y no en guía humana.

Fase I: construcción del Core Query Set (CQS). Los auditores diseñan un conjunto central de consultas según las características del sector y aplican un principio de neutralidad que excluye lenguaje sugestivo. Ejemplo: 'Enumere los SUV eléctricos medianos y grandes más comunes del mercado', en lugar de '¿Cuáles son los mejores SUV eléctricos?'.

Fase II: sondeo distribuido multinodo. Las tareas de auditoría se ejecutan en nodos geográficos distribuidos globalmente. Para modelos específicos como ChatGPT-4o y Claude 3.5 realizamos múltiples sesiones independientes para reducir la variación aleatoria.

Fase III: fijación objetiva de la evidencia, el paso central. AIBRI utiliza enlaces oficiales compartidos del proveedor de IA como capa base de evidencia, preservando inmutabilidad, verificabilidad pública y contexto de archivo, incluida versión del modelo, marca temporal y parámetros predefinidos del sistema.

Fase IV: análisis semántico y revisión humana. Auditores como Auditor 01-06 realizan un análisis multidimensional de la evidencia fijada, observando no solo lo que dijo la IA, sino también lo que omitió y por qué respondió así.

4. Archivo de evidencias

Cada boletín de auditoría de AIBRI debe vincularse al Evidence Vault para que los hallazgos clave sigan siendo trazables, revisables y verificables de manera independiente.

• Cada informe corresponde a un Audit ID único.
• Toda conclusión clave citada en un informe debe referenciar el número de enlace del diálogo original correspondiente.
• Si un enlace oficial deja de estar disponible por causa del proveedor, AIBRI activa archivos de capturas extensas como evidencia secundaria.

5. Declaración de independencia de la auditoría

• Sin intervención aceptada: AIBRI no acepta auditorías pagadas ni interferencia en rankings por parte de marcas.
• Alcance descomercializado: los objetos de auditoría se seleccionan por relevancia de mercado y representatividad sectorial.
• Transparencia algorítmica: divulgamos la lógica de sondeo, pero no la fórmula exacta de ponderación, para reducir el riesgo de manipulación tipo SEO dirigida a la IA.

6. Evolución de versiones

Esta metodología se actualizará periódicamente conforme evolucione la tecnología de IA, incluido el paso de sistemas solo de texto a modelos multimodales.

• V1.0 (actual): centrada en auditoría de peso semántico para modelos generativos de texto.
• Próxima fase: auditorías de cognición en modelos visuales y ponderación dinámica para comparación entre modelos.