Cardinal Datos · Inteligencia artificial

Aquí se usa IA.
Y aquí no

Este proyecto se construye con ayuda de inteligencia artificial, y lo dice antes de que alguien lo pregunte. No como advertencia, sino como parte del método: quien está decidiendo si puede citarnos merece saber qué hizo una máquina y, sobre todo, qué no se le permite hacer.

Lo que hace la máquina

La asistencia es real y es amplia. Enumerarla completa cuesta menos que dejar que alguien la descubra por su cuenta.

·Escribir y revisar el código. Los scripts que le piden los datos a cada organismo, los limpian, los guardan y comprueban que la fuente sigue viva.

·Explorar fuentes desconocidas. Averiguar qué series publica una API, qué dimensiones exige, hasta qué periodo llega y cómo representa la ausencia de dato. Es el trabajo previo a cualquier pieza y es donde más ayuda.

·Leer documentación en otros idiomas. Buena parte de estos datos está encerrada en inglés o en cualquier otro idioma. Que estén encerrados en otro idioma es una de las razones de existir del proyecto.

·Auditar el propio trabajo. Buscar contradicciones entre lo que afirma un texto y lo que dicen los archivos de datos que lo sostienen.

·Redactar y editar los textos. Incluida esta página. Todos pasan después por lectura humana completa.

Lo que no hace

Ninguna cifra publicada la escribe un modelo. Eso no es una promesa de buena conducta: es una restricción del método, y se puede comprobar sin creernos nada.

·Ningún número sale de un modelo. Toda cifra tiene que rastrearse hasta un archivo descargado por un script, y ese archivo es público. Un número que no venga de ahí no se publica. Está explicado pieza por pieza en el método.

·Ningún hueco se rellena. Cuando un organismo no publica valor para un país, eso se publica como lo que es. Pedirle a un modelo que complete la casilla sería inventar el dato, y los huecos son justamente lo que este proyecto cuenta.

·Ninguna fuente inventada. Cada fuente del registro enlaza al organismo que publica el dato. No hay citas atribuidas a personas que no las dijeron ni informes que no existan.

·Ninguna imagen de personas generada por computadora.Las piezas dibujan datos, no gente. En un tema donde la imagen de una persona migrante se usa a diario para ilustrar cualquier cosa, esa línea importa.

·Y hay una comprobación que lo vigila. Un script recorre el repositorio en cada cambio y avisa cuando aparece un número escrito a mano en el texto visible, con letra o con dígito. La regla no depende de que nadie se distraiga.

Quién responde

La revisión es humana y la responsabilidad también. Ningún texto se publica sin que una persona lo haya leído entero y pueda explicar por qué dice lo que dice. Cuando algo sale mal, no se corrige en silencio: el registro de correccionesexplica cómo avisar y guarda todo lo corregido, sin borrar nada.

Esa persona es Mafer Córdova, venezolana, que hace Cardinal Datos. Estudié economía en Venezuela y trabajo con datos administrativos; no vengo del periodismo, y acá pesa poco, porque nada de lo que se publica se sostiene en quién firma. Soy también quien responde los avisos de corrección y quien asume la responsabilidad editorial de todo lo que sale.

Por qué está escrito esto

Por estas razones, en orden de peso.

1Porque un proyecto que se dedica a declarar los huecos de otros no puede esconder el propio. Sería el único error de aquí que no tendría defensa.

2Porque quien nos va a citar necesita el dato para decidir. Que la respuesta esté escrita y sea la misma para todos ahorra la pregunta.

3Porque la norma europea lo pide en algunos casos: el artículo 50 del reglamento europeo de inteligencia artificial obliga, desde agosto de 2026, a declarar el texto generado por IA que se publica para informar al público sobre asuntos de interés general, y exime de esa etiqueta al que pasa por revisión humana y del que una persona se hace responsable. Aquí se cumplen las dos cosas, y aun así declaramos: la obligación se cumple declarando, no acogiéndose a una excepción, y un proyecto que declara los huecos de otros no necesita permiso para callar el propio.El texto del artículo, en la sede de la Comisión Europea.

El experimento que hay debajo

Hay un objetivo que no es el principal, y conviene decirlo también. Cardinal Datos nació en parte como una forma de aprender a trabajar con APIs públicas, análisis de datos y auditoría de datos usando inteligencia artificial como herramienta de trabajo.

Ese aprendizaje va en segundo plano. Primero está publicar estadísticas que existen y casi nadie puede leer, y ninguna decisión editorial se toma para que el experimento quede mejor. Pero el experimento dejó algo utilizable: el pipeline entero es público y reproducible, así que cualquiera puede levantar un proyecto parecido en otro país o en otro idioma. Las condiciones están enla licencia.

Y deja una lección que vale más que la herramienta. Lo que hace comprobable el uso de inteligencia artificial aquí no es esta página: es que el código, los datos y el método estén abiertos. Una afirmación sobre cómo se hizo algo vale exactamente lo que valga la posibilidad de revisarla.