Por qué TRAILAB
TRAILAB es una nueva institución independiente construida sobre fundamentos de investigación consolidados. La trayectoria que la respalda comenzó con la incertidumbre, avanzó hacia decisiones de alto riesgo, sistemas críticos, causalidad, explicabilidad, derecho, normas, ética y agencia humana, y finalmente requirió un hogar duradero donde estas interfaces pudieran investigarse conjuntamente.
El recorrido que hizo necesario a TRAILAB
La pregunta técnica central era cómo los sistemas de IA pueden representar la incertidumbre: límites del ámbito, lagunas epistémicas y variabilidad aleatoria, motivada inicialmente por decisiones financieras y bancarias en las que la automatización sin duda era peligrosa.
El mismo problema de decisión apareció en la conducción autónoma, la aviación, la automatización industrial, la detección de noticias falsas y los proyectos públicos: evidencia incompleta, condiciones operativas cambiantes y responsabilidad humana.
La incertidumbre no era suficiente. El trabajo se amplió hacia la causalidad, los contrafactuales y la explicabilidad: qué causó una predicción, qué cambiaría con una intervención y si las explicaciones son fieles, estables y no contradictorias.
La IA confiable entró en entornos regulados. Las obligaciones de la Ley de IA, ISO/IEC 42001, ISO/IEC 23894, las normas armonizadas CEN-CENELEC y los marcos de garantía sectorial tuvieron que traducirse en métodos operativos.
La confianza técnica y jurídica aún dejaba cuestiones de legitimidad, equidad, cuidado, autoría, responsabilidad, reputación y propósito humano. La ética y la filosofía pasaron a formar parte del método, no de una reflexión posterior.
A medida que la IA adquiría efectos infraestructurales sobre el juicio, la IA confiable debía complementarse con IA reflexiva: un objetivo de investigación para preservar y reforzar la capacidad humana. TRAILAB se convierte en el espacio independiente, multidisciplinar y multiinstitucional para ese trabajo.
TRAILAB no es otro especialista añadido a un proyecto. Está construido en torno a las interfaces entre la evidencia técnica, las obligaciones jurídicas, la gobernanza institucional, las cuestiones éticas y la agencia humana.
La independencia es valiosa para entidades colaboradoras y financiadoras porque protege la credibilidad de los métodos, la evidencia y las conclusiones.
El impacto se produce cuando la investigación se somete a pruebas de estrés en sistemas reales, se traduce en normas y se hace reutilizable mediante proyectos, formación y evidencia de interés público.
La IA reflexiva pregunta cómo la dependencia de la IA cambia las capacidades humanas que hacen posibles el juicio, la creatividad y la responsabilidad.
Nuestro enfoque del impacto
TRAILAB está diseñado para que la investigación, la validación en el mundo real y la transferencia institucional se refuercen mutuamente. Los casos aplicados revelan nuevas preguntas de investigación; los métodos se someten a pruebas de estrés en la práctica; las políticas públicas y las normas traducen la evidencia en capacidad reutilizable.
Brando, A., Torres, D., Rodríguez-Serrano, J. A., Vitrià, J.
Brando, A., Serra, I., Mezzetti, E., Abella, J., Cazorla, F. J.
Alcon, M., Brando, A., Mezzetti, E., Abella, J., Cazorla, F. J.
Abella Ferrer, J., Pérez, J., Englund, C., Zonooz, B., Giordana, G., et al. (incl. Brando, A.)
Garriga, T., Sanz, G., de Cambra, E. S., Brando, A.
Lowe, R., Ulan, M., Bui, T. H., Adell, A., Labaien, J., Brando, A.
Rodrigo-Albert, D., Eguíluz, J. A., Hidalgo, J., Vargas, V., Mir, M., Brando, A.
La Comisión presenta la Ley de IA como un marco jurídico basado en el riesgo y de aplicación escalonada: prácticas prohibidas y alfabetización en IA desde febrero de 2025, gobernanza de la IA de propósito general desde agosto de 2025 y obligaciones de alto riesgo ahora secuenciadas hacia diciembre de 2027 y agosto de 2028 dentro del paquete de simplificación.
La Comisión describe cómo las normas armonizadas traducen los requisitos de la Ley de IA a lenguaje técnico para la gestión de riesgos, la gobernanza de datos, el registro, la transparencia, la supervisión humana, la precisión, la robustez, la ciberseguridad, la gestión de la calidad y la evaluación de la conformidad.
Publicaciones y cuestiones abiertas sobre incertidumbre, causalidad, explicabilidad, seguridad, regulación, ética e IA reflexiva.
Casos de uso en finanzas, banca, aviación, sistemas autónomos, automatización, investigación farmacéutica, salud, educación e infraestructuras de interés público.
Métodos sensibles a la regulación, traducción de normas, capacidad de políticas públicas, adopción por pymes, orientación para el sector público y aprendizaje institucional sensible a los derechos.
Enfoque de doble ciclo de TRAILAB
Investigación ↔ Aplicación ↔ Impactoo
Investigación ↔ Transferencia sistémica ↔ Impactoo
Por qué ahora - Europa
Europa está pasando de elaborar normas de IA a una adopción a gran escala en sectores estratégicos, al tiempo que sigue haciendo hincapié en una IA confiable y centrada en las personas, las capacidades y la capacidad institucional. TRAILAB trabaja en la interfaz entre capacidad, adopción, confianza, derechos y agencia humana.
