Investigación
Investigación
En Entropy Data trabajamos por hacer avanzar la gobernanza de datos a través de la investigación y la innovación.
Automating Data Governance with Generative AI
Esta investigación analiza cómo los grandes modelos de lenguaje pueden apoyar la gobernanza de datos generando avisos sobre las decisiones de acceso a datos en sistemas descentralizados. El estudio presenta Governance AI, una herramienta basada en LLM que evalúa si las solicitudes de acceso a datos cumplen con los Data Contracts, las políticas de la empresa y normativas como el RGPD.
En lugar de tomar la decisión final, el sistema aporta "structured warnings and suggestions for correction to guide human experts."
Este enfoque garantiza que la IA refuerce la toma de decisiones humana en lugar de sustituirla, y mantiene la supervisión humana necesaria para asegurar la precisión contextual y legal de las decisiones de gobernanza de datos.
Detalles de la publicación
Autores:
- Linus W. Dietz (King's College London)
- Arif Wider (HTW Berlin)
- Simon Harrer (Entropy Data)
Congreso: AAAI/ACM Conference on Artificial Intelligence, Ethics, and Society 2025
Resultados clave
- Governance AI emitió 3,6 veces más avisos que los expertos humanos y detectó todos los problemas de cumplimiento
- El 80 % de los avisos generados por la IA se consideraron correctos tras una segunda revisión
- Los casos de prueba sintéticos generados por LLM simularon con eficacia escenarios reales de gobernanza
- La supervisión humana sigue siendo esencial para la precisión contextual y legal
Más información
Data Product MCP: Chat with your Enterprise Data
Esta investigación presenta un servidor Model Context Protocol (MCP) que permite interactuar de forma conversacional con los productos de datos de la empresa. La solución aborda el reto de integrar fuentes de datos muy diversas en los flujos de trabajo de los grandes modelos de lenguaje sin renunciar a los estándares de gobernanza de datos.
The framework provides a practical pathway for organizations to leverage LLMs in data discovery and analysis without compromising data protection standards.
Al conectar los productos de datos de la empresa con los sistemas de IA mediante una interfaz estandarizada, las organizaciones pueden democratizar el acceso a los datos sin perder los controles de seguridad y gobernanza.
Detalles de la publicación
Autores:
- Marco Tonnarelli
- Filippo Scaramuzza
- Simon Harrer (Entropy Data)
- Linus W. Dietz (King's College London)
Estado: aceptado para su publicación en las actas Springer Communications in Computer and Information Science (CCIS) del congreso SummerSoC (preprint en arXiv, mayo de 2026)
Aportaciones clave
- Una implementación de servidor MCP que conecta los productos de datos de la empresa con los sistemas de IA y permite consultar conjuntos de datos estructurados en lenguaje natural
- Un diseño consciente de la gobernanza que respeta los requisitos de gobernanza de datos de la empresa
- Integración de productos de datos que aprovecha los estándares existentes para crear una interfaz estandarizada de acceso para los LLM
- Una arquitectura abierta y extensible que cada organización puede adaptar a su propia infraestructura de datos
Más información
Data Contracts: Structuring Promises and Expectations in Data Exchange
Esta investigación propone un concepto general de Data Contract que recoge la perspectiva tanto de los proveedores como de los consumidores de datos. La mayoría de las interpretaciones tratan los Data Contracts como artefactos unilaterales, definidos por el proveedor, pero un intercambio de datos sólido exige expectativas y promesas de ambas partes. El artículo estructura un Data Contract en cuatro aspectos diferenciados: promesas del proveedor, expectativas del consumidor, expectativas del proveedor y promesas del consumidor.
We suggest explicitly implementing provider expectations and consumer-driven contracts, thereby defining data contracts fully from both points of view and allowing consumers to explicitly influence agreements.
Al hacer explícitos los cuatro aspectos, el enfoque permite automatizar la gobernanza de datos a un nivel mucho mayor, por ejemplo emparejando de forma automática a los consumidores con los productos de datos que cubren sus necesidades, y reduce el riesgo de incidentes de datos que surgen cuando las expectativas y las promesas quedan implícitas.
Detalles de la publicación
Autores:
- Laura Schuiki (University of Stuttgart)
- Arif Wider (HTW Berlin)
- Simon Harrer (Entropy Data)
Estado: aceptado para su publicación en las actas IEEE de la International Conference on Web Services (ICWS) 2026
Aportaciones clave
- Un concepto general de Data Contract que abarca cuatro aspectos: promesas del proveedor, expectativas del consumidor, expectativas del proveedor y promesas del consumidor
- Una perspectiva impulsada por el consumidor que le permite expresar expectativas y asumir promesas, y no solo recibir garantías del proveedor
- Mayor automatización de la gobernanza gracias a aspectos formalizados que permiten emparejar automáticamente productos de datos y consumidores
- Un análisis de estándares sobre cómo ODCS y ODPS soportan el concepto, validado con entrevistas a expertos de tres empresas
Más información
Impacto en nuestros productos
Los resultados de esta investigación guían el desarrollo de nuestros productos, incluidas las funciones de gobernanza con IA de Entropy Data. Al explorar cómo la IA puede apoyar y mejorar la toma de decisiones humana en la gobernanza de datos, buscamos que los datos sean más accesibles, más seguros y más fáciles de mantener en cumplimiento en toda la organización.