Modelos que rinden cuentas.
Del experimento a producción, con evidencia.
Su equipo de datos entrena modelos y los guarda en MLflow. MLflow sabe cuál es la versión campeona, con qué datos se entrenó y qué métricas obtuvo. Lo que no tiene es lo que pide una auditoría: controles con evidencia, una aprobación antes de pasar a producción y la prueba de qué ficheros exactos estaban en producción en una fecha. V-PROOF lee su MLflow, sin escribir nunca en él, y añade esas tres cosas.
Un modelo, sus versiones y la prueba de cada una.
Grabado sobre el Portal V-PROOF conectado a un MLflow de demostración: dos modelos, uno bien gobernado y otro que falla los seis controles evaluados.
Conectar MLflow en modo lectura y registrar el modelo en su proyecto.
Cada versión con su ejecución, sus datos de entrenamiento, sus métricas y sus ficheros.
Seis controles deterministas y la aprobación de promoción a producción.
Model V-Seal, entrada en el registro de IA y verificación pública sin cuenta.
MLflow sabe cuál es la versión campeona.
V-PROOF añade lo que pide el auditor.
Nada se duplica ni se migra. El equipo de datos sigue trabajando en MLflow; gobernanza ve, controla y sella desde V-PROOF.
Experimentos, versiones y alias
Qué versión es la campeona, qué ejecución la produjo, con qué conjuntos de datos se entrenó y evaluó y qué métricas obtuvo.
Controles con evidencia
Seis políticas evaluadas sobre lo que guarda MLflow; cada veredicto queda como evidencia y como autoevaluación del control en la entrada del propio modelo.
Un alias de producción que cualquiera mueve
Quien tiene permiso de escritura puede señalar una versión como champion, sin que quede constancia de quién lo decidió ni por qué.
Una aprobación antes de producción
Una persona responsable aprueba el despliegue con su atestación. Si una versión está en producción sin aprobación, se abre una alerta en Supervisión. La siguiente ejecución de controles comprueba la aprobación y actualiza el estado de la alerta.
Ficheros que cambian con el tiempo
Los artefactos de una versión viven en el almacenamiento de MLflow; nada demuestra que los de hoy son los que estaban en producción el día de la auditoría.
El Model V-Seal
La huella criptográfica de cada fichero, de los conjuntos de datos y de los resultados de la versión, sellada con prueba criptográfica y verificable por cualquiera, sin cuenta.
El recorrido de una versión
MLflow de la empresa
URL de seguimiento, autenticación básica o token. Solo lectura.
Registro de IA
El modelo entra con referencia MLF-…, proveedor MLflow, responsable y proyecto.
Versiones
Ejecución, datos de entrenamiento y evaluación, métricas finales y ficheros.
Seis controles
Esquema, serialización, requisitos, linaje, documentación y promoción.
Aprobación
Despliegue aprobado por una persona responsable, con atestación.
Model V-Seal
Huellas de ficheros, datos y resultados, selladas con prueba criptográfica.
Verificación pública
Cualquiera comprueba el sello con la referencia, sin cuenta y sin ver datos internos.
Cada versión, evaluada igual.
Mismas entradas, reglas y fuentes: mismo resultado.
No interviene ningún modelo de lenguaje: cada control es una regla sobre lo que guarda MLflow. El resultado se escribe en Gobernanza como evidencia y como autoevaluación del control, en la entrada del propio modelo.
Esquema de entrada
Que el modelo declare qué datos espera recibir.
No declara ninguno: nadie puede validar lo que le llega.
Serialización
El formato en que se guardó el modelo.
pickle, cloudpickle o joblib: formatos que pueden ejecutar código al cargarse.
Requisitos
Librerías fijadas a una versión y sin avisos de seguridad conocidos, consultando la base pública OSV.
Falta la lista o una librería tiene avisos. Solo sin fijar: parcial.
Linaje de datos
Que la ejecución registre con qué conjuntos de datos se entrenó.
No registra ninguno.
Descripción y licencia
La descripción y la licencia del modelo.
Falta todo. Con una sola de las dos, parcial.
Promoción
Que una versión en producción tenga una aprobación de V-PROOF.
Está en producción sin aprobación. Fuera de producción, no aplica.
Dos modelos del MLflow de demostración · veredicto por control
Las seis políticas aparecen en Políticas y controles tras la primera ejecución y desde entonces las gobierna el administrador: cambiar los formatos prohibidos o los alias de producción cambia la siguiente evaluación.
Antes de producción, una persona dice que sí.
MLflow deja que cualquiera con permiso mueva el alias de producción. V-PROOF deja constancia de si una persona responsable lo aprobó. Pedir aprobación crea una aprobación de despliegue pendiente; la persona aprobadora la decide en Evaluaciones y aprobaciones, con su atestación. La siguiente ejecución de controles comprueba la aprobación y actualiza el estado de la alerta.
El V-Seal del modelo: ficheros, datos y resultados.
Sellar registra la prueba de qué era exactamente esa versión. Si nada ha cambiado, sellar otra vez se rechaza; una métrica, un fichero o un conjunto de datos nuevos dan un sello nuevo. Cada sello se descarga en PNG y PDF con su manifiesto y su inventario, y cualquiera lo verifica en la página pública.
Qué entra en el sello y qué sale de la empresa
Versión de modelo sellada, sin datos internos.Las obligaciones de alto riesgo se demuestran a nivel de modelo.
Lo que el Reglamento Europeo de IA pide para un sistema de alto riesgo nace en el ciclo de vida del modelo. Aquí es donde la evidencia existe o no existe.
| Obligación | Qué pide | Qué aporta V-PROOF |
|---|---|---|
| Reglamento Europeo de IA · Art. 10Datos y gobernanza de datos | Conjuntos de entrenamiento, validación y prueba identificados y gestionados. | Control de linaje de datos; conjuntos de datos de cada versión llevados a la pantalla Datos y sellados en el Model V-Seal. |
| Reglamento Europeo de IA · Art. 11Documentación técnica | Descripción del sistema, de su desarrollo y de su rendimiento. | Control de documentación; versiones con ejecución, parámetros y métricas; manifiesto e inventario descargables. |
| Reglamento Europeo de IA · Art. 12Registro de actividad | Trazabilidad del funcionamiento a lo largo del ciclo de vida. | Cada sincronización, control, aprobación y sello queda en el registro de auditoría; una versión borrada en MLflow se conserva marcada. |
| Reglamento Europeo de IA · Art. 14Supervisión humana | Personas que pueden decidir y detener. | Aprobación de despliegue por una persona responsable antes de producción, con atestación y alerta si falta. |
| Reglamento Europeo de IA · Art. 15Exactitud y robustez | Niveles de rendimiento declarados y mantenidos. | Métricas finales de cada versión selladas; un cambio de métrica exige un sello nuevo. |
| ISO/IEC 42001Ciclo de vida del sistema de IA | Controles documentados en desarrollo, despliegue y operación. | Seis políticas MLOps como controles con autoevaluación automática y evidencia en el registro de IA. |
Qué hace y qué no hace.
Preferimos que lo sepa antes de la primera demostración.
- V-PROOF nunca escribe en MLflow ni guarda los ficheros del modelo: las versiones conservan los metadatos de MLflow y los sellos guardan huellas, tamaños y rutas.
- La sincronización y los controles se lanzan a mano. Un cambio de alias en MLflow se detecta en la siguiente sincronización o ejecución de controles, no al instante.
- La huella que MLflow asigna a un conjunto de datos es la suya propia, no una huella del fichero original.
- Con MLflow en Databricks la conexión por token funciona; leer y calcular la huella de los ficheros no está probado. Mientras tanto, el script auxiliar cubre el sellado.
- Un fichero cuya huella no ha calculado nadie se sella solo por nombre y tamaño, y el sello lo dice.
¿Qué versión está en producción
y quién lo aprobó?
Demostración técnica sobre su propio MLflow, con las políticas de su organización.