UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional

MP03 — Explotación de servicios de datos y analítica
Apuntes de IA y Datos

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Objetivos de la unidad

Al finalizar esta unidad el alumnado será capaz de:

  • Identificar y gestionar los riesgos psicosociales y ergonómicos del puesto de trabajo en analítica de datos.
  • Aplicar protocolos de actuación ante emergencias en el entorno de trabajo.
  • Calcular y reducir la huella de carbono digital asociada a la explotación de sistemas de IA.
  • Aplicar principios de economía circular a los activos tecnológicos.
  • Demostrar autonomía, rigor analítico, mejora continua y compromiso ético en el ejercicio profesional.

Resultado de aprendizaje: Garantiza la gestión integral vinculando seguridad operativa, respeto al entorno y desarrollo profesional.

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Contexto: la dimensión humana y ambiental de la IA

El trabajo en analítica de datos y explotación de sistemas de IA no se limita al plano técnico. Exige también una gestión responsable en tres dimensiones:

Las tres dimensiones de la gestión integral

Dimensión Contenido Marco de referencia
Seguridad e higiene Prevención de riesgos laborales, ergonomía, riesgos psicosociales Ley 31/1995 PRL; Normas UNE-EN
Sostenibilidad ambiental Huella de carbono digital, economía circular de activos TIC Agenda 2030 ODS; Directiva europea de residuos electrónicos
Desarrollo profesional Autonomía, rigor, ética, mejora continua, normativa Reglamento de IA UE; RGPD; Códigos deontológicos
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Seguridad e higiene — Riesgos en el puesto de analítica

Riesgos físicos y ergonómicos

Riesgo Consecuencia Medida preventiva
Postura incorrecta frente al ordenador Lumbalgia, cervicalgia, síndrome del túnel carpiano Silla regulable, pantalla a nivel de los ojos, muñequera ergonómica
Pantallas sin protección anti-reflejos Fatiga visual, cefaleas Pantallas con filtro, iluminación correcta (500 lux), pausas visuales
Iluminación deficiente Fatiga visual, errores de trabajo Iluminación natural + artificial sin deslumbramiento
Temperatura y ventilación inadecuadas Disconfort, disminución del rendimiento Temperatura 21-26 °C; ventilación conforme al RITE
Ausencia de descansos Fatiga acumulada, errores cognitivos Pausa de 15 min cada 2 h; rotación de tareas
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Seguridad e higiene — Riesgos psicosociales

Los riesgos psicosociales son aquellos derivados de la organización del trabajo y las relaciones laborales. Son especialmente relevantes en perfiles técnicos de alto rendimiento.

Principales riesgos psicosociales en analítica de IA

Riesgo Descripción Señales de alerta
Sobrecarga de trabajo Volumen de tareas excesivo en plazos ajustados Horas extra habituales, imposibilidad de desconectar
Tecnoestrés Ansiedad derivada del uso intensivo de tecnología y el ritmo de cambio Irritabilidad, dificultad de concentración
Aislamiento Trabajo en solitario prolongado, falta de interacción social Reuniones excesivamente cortas, comunicación solo por chat
Ambigüedad de rol Falta de claridad sobre las responsabilidades y expectativas Conflictos frecuentes, desmotivación
Síndrome del impostor Sensación de no merecer el puesto; habitual en perfiles técnicos Inseguridad, evitación de retos
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Reducción de la carga cognitiva

La carga cognitiva es el esfuerzo mental requerido para realizar una tarea. En analítica de datos, puede volverse excesiva por la complejidad de los sistemas y la cantidad de información a manejar.

Estrategias para reducir la carga cognitiva

  • Documentación clara y actualizada: no depender de la memoria; escribir lo que se sabe.
  • Automatización de tareas repetitivas: pipelines, tests automáticos, alertas, actualizaciones programadas.
  • Fragmentación de tareas complejas: dividir proyectos grandes en entregas pequeñas y verificables.
  • Uso de plantillas y convenciones: nombres de ficheros, estructura de carpetas, formato de informes estándar.
  • Priorización explícita: herramientas como matrices de prioridad (Eisenhower), tableros Kanban.
  • Reuniones con agenda: no reuniones sin objetivo definido; documentar los acuerdos inmediatamente.

El equipo técnico que trabaja con carga cognitiva reducida comete menos errores, toma mejores decisiones y mantiene un rendimiento sostenible en el tiempo.

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Ergonomía del puesto de trabajo

Configuración ergonómica recomendada

Elemento Configuración óptima
Silla Altura regulable; respaldo lumbar ajustable; pies apoyados en el suelo
Pantalla Borde superior a nivel de los ojos; distancia 50-70 cm; inclinación 10-20°
Teclado y ratón A la altura de los codos; muñecas en posición neutra
Iluminación Luz natural sin reflejos directos en pantalla; 500 lux en el plano de trabajo
Monitor adicional Mismo nivel y distancia que el principal

Pausas activas

  • Regla 20-20-20: cada 20 minutos, mirar a 6 metros (20 pies) durante 20 segundos.
  • Micro-pausas de estiramiento de cuello, hombros y muñecas cada 45-60 minutos.
  • Pausa activa de 10-15 minutos cada 2 horas: levantarse, caminar, realizar ejercicios de movilidad.
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Actuación ante emergencias

Tipos de emergencias en el entorno de trabajo

Tipo de emergencia Protocolo inmediato
Incendio Activar alarma, desalojar por las vías de evacuación señalizadas, no usar ascensor, reunirse en el punto de encuentro
Accidente laboral Llamar al 112, no mover al accidentado salvo riesgo mayor, aplicar primeros auxilios básicos
Incidente de seguridad de datos Notificar inmediatamente al responsable de seguridad (CISO); contener el incidente; no eliminar evidencias
Fallo del sistema en producción Escalar según el protocolo de gestión de incidencias; activar el plan de continuidad
Amenaza de bomba / evacuación por seguridad Seguir instrucciones de las fuerzas de seguridad y el personal de emergencias del edificio

Recursos que todo trabajador debe conocer

  • Localización de los extintores, salidas de emergencia y desfibriladores (DESA) más cercanos.
  • Número del responsable de emergencias del centro.
  • Número de emergencias: 112.
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Huella de carbono digital

La computación consume energía. La formación y el uso de modelos de IA tienen un coste ambiental medible.

Fuentes de emisiones digitales en IA

Fuente Descripción
Entrenamiento de modelos GPUs durante horas o días; los LLMs grandes consumen miles de MWh
Inferencia en producción Miles de consultas diarias acumulan un consumo significativo
Almacenamiento de datos Los data centers consumen electricidad para almacenar y refrigerar
Transferencia de datos Las redes consumen energía; la nube no es "etérea"

Herramientas de medición

Herramienta Descripción
codecarbon Biblioteca Python que mide el consumo de CO₂ de código Python
carbontracker Seguimiento del consumo energético de entrenamientos de deep learning
Azure Carbon Dashboard Emisiones de los recursos Azure del proyecto
Google Cloud Carbon Footprint Estimación de emisiones en GCP
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Reducción de la huella de carbono digital

Buenas prácticas técnicas

Práctica Impacto estimado
Auto-shutdown de notebooks y clusters Elimina el consumo en horas no productivas (60-80% del tiempo)
Instancias spot/preemptibles Mismo cómputo, menor consumo energético marginal (eficiencia de packing del data center)
Modelos más pequeños y eficientes DistilBERT vs. BERT: 40% menos parámetros, 60% más rápido, rendimiento similar en muchas tareas
Reutilizar modelos pre-entrenados Evita el coste de entrenamiento desde cero; usar transfer learning
Regiones con energía renovable Los data centers de Suecia o Noruega usan casi 100% energía renovable
Optimización de queries Queries mal escritas procesan más datos de los necesarios; el cómputo tiene coste ambiental

Cada experimento de ML que se lanza en una GPU A100 durante 1 hora genera aproximadamente 0,5 kg de CO₂ en una región con mezcla energética media europea.

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Economía circular de activos tecnológicos

La economía circular propone mantener los productos y materiales en uso el mayor tiempo posible, reduciendo residuos.

Jerarquía de gestión de activos TIC

1. Reducir      → ¿Es necesario este activo? ¿Puede compartirse?
2. Reparar      → Reparar antes que reemplazar
3. Reutilizar   → Reasignar el equipo a otro usuario o proyecto
4. Remanufacturar → Actualizar componentes (RAM, SSD) para prolongar la vida útil
5. Reciclar     → Solo si no es posible ninguna opción anterior
6. Valorizar    → Recuperar materiales (metales preciosos de PCBs)

Normativa aplicable

  • Directiva RAEE (2012/19/UE): residuos de aparatos eléctricos y electrónicos; obligación de entrega en puntos autorizados.
  • Reglamento Ecodiseño: los nuevos dispositivos deben ser reparables y con piezas de repuesto disponibles.
  • Ley 7/2022 de Residuos: transposición española; responsabilidad ampliada del productor.
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Autonomía y rigor analítico

Autonomía profesional

La autonomía no significa trabajar en solitario, sino tomar la iniciativa en la resolución de problemas dentro del alcance de las propias responsabilidades.

  • Detectar problemas antes de que se conviertan en incidencias.
  • Proponer mejoras sin esperar a que se las pidan.
  • Gestionar el propio tiempo y prioridades de forma eficaz.
  • Pedir ayuda cuando se necesita, sin esperar a que la situación sea crítica.

Rigor analítico

Principio Descripción
Verificar antes de comunicar No compartir resultados sin haberlos revisado críticamente
Documentar el proceso Cualquier colega debe poder reproducir el análisis siguiendo la documentación
Cuantificar la incertidumbre Siempre comunicar el margen de error o el intervalo de confianza
Distinguir correlación de causalidad No afirmar que A causa B solo porque correlacionan
Citar las fuentes Indicar el origen de los datos, el modelo y la fecha del análisis
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Mejora continua

El ciclo de mejora continua en analítica

[Plan]                [Do]               [Check]             [Act]
Definir objetivo  --> Ejecutar el     --> Medir resultados --> Ajustar el proceso
e indicadores         análisis/pipeline    vs. objetivo        y volver a Plan

Aplicaciones prácticas en el puesto de trabajo

  • Revisar periódicamente los pipelines: ¿hay pasos redundantes o lentos?
  • Llevar un registro personal de errores cometidos y lecciones aprendidas.
  • Participar en comunidades técnicas (meetups, conferencias, foros) para estar actualizado.
  • Proponer a la organización mejoras en los procesos de datos detectadas en el trabajo diario.
  • Formación continua: certificaciones, cursos, lectura de papers y publicaciones técnicas.
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Compromiso ético y normativo

Marco normativo clave para la explotación de sistemas de IA

Normativa Ámbito Implicación práctica
RGPD (Reglamento 2016/679) Protección de datos personales en la UE Bases legales, derechos de los interesados, notificación de brechas
LOPDGDD (Ley Orgánica 3/2018) Aplicación española del RGPD DPO obligatorio en ciertos casos; registro de actividades
Reglamento de IA UE (AI Act) Clasificación de sistemas de IA por riesgo Prohibiciones, requisitos para IA de alto riesgo, transparencia
NIS2 (Directiva 2022/2555) Ciberseguridad de entidades esenciales e importantes Gestión de incidentes, cadena de suministro
ISO 27001 Gestión de la seguridad de la información Controles técnicos y organizativos

Mantenerse actualizado sobre la normativa es una responsabilidad profesional, no una opción. El Reglamento de IA de la UE entra en vigor por fases entre 2024 y 2026.

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Compromiso ético — Conductas profesionales

Dilemas éticos frecuentes en analítica de IA

Situación Conducta correcta
Un análisis muestra resultados que el jefe no quiere ver Comunicar los resultados con rigor; no manipular los datos ni los gráficos
Se detecta un sesgo grave en un modelo ya desplegado Reportarlo de inmediato aunque suponga parar el sistema
Se tiene acceso a datos personales innecesarios para el análisis No usarlos; solicitar que se elimine el acceso
Un cliente pide construir un modelo discriminatorio Negarse; explicar las implicaciones legales y éticas
Se comete un error que afecta a un informe publicado Notificarlo proactivamente y publicar una corrección
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Actividad práctica — UD7

"Auditoría de sostenibilidad y seguridad de un proyecto de IA"

Escenario: El equipo de analítica de RetailSmart S.A. lleva 6 meses explotando un sistema de predicción de demanda en Azure. Se os encarga realizar una auditoría integral de seguridad y sostenibilidad del proyecto.

Tareas:

  1. Ergonomía y psicosocial: realizar una autoevaluación del puesto de trabajo usando la lista de comprobación del INSST (Instituto Nacional de Seguridad y Salud en el Trabajo). Identificar 3 riesgos y proponer medidas correctoras.
  2. Huella de carbono: calcular el CO₂ estimado del proyecto durante 6 meses usando el Azure Carbon Dashboard. Proponer 2 medidas de reducción con impacto estimado.
  3. Economía circular: inventariar los activos TIC del equipo (portátiles, servidores locales) y clasificarlos según la jerarquía circular. Identificar 1 activo reutilizable o reparable antes de sustituirlo.
  4. Normativa: elaborar una lista de comprobación de cumplimiento RGPD + AI Act para el sistema de predicción de demanda. Identificar posibles lagunas.
  5. Mejora continua: documentar 3 lecciones aprendidas del proyecto con propuesta de mejora concreta para el próximo ciclo.

Entregable: Informe de auditoría integral con los 5 apartados cubiertos.

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Puntos clave — UD7

  • Los riesgos del puesto de analítica incluyen riesgos ergonómicos (postura, pantalla, iluminación) y psicosociales (sobrecarga, tecnoestrés, aislamiento, síndrome del impostor).
  • La carga cognitiva se reduce con documentación, automatización, fragmentación de tareas y convenciones de trabajo compartidas.
  • Ante una emergencia, actuar según el protocolo establecido: evacuar, llamar al 112, notificar al responsable de seguridad.
  • La huella de carbono digital de la IA es medible y reducible: auto-shutdown, modelos eficientes, regiones con energía renovable, transfer learning.
  • La economía circular aplica a los activos TIC: reducir, reparar, reutilizar, remanufacturar y solo entonces reciclar.
  • El rigor analítico exige verificar antes de comunicar, documentar el proceso y cuantificar la incertidumbre.
  • La normativa (RGPD, AI Act, NIS2) no es optativa; mantenerse actualizado es una responsabilidad profesional.
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

Criterios de evaluación — UD7

Criterio Indicador de logro
Identifica riesgos del puesto Realiza la evaluación de riesgos ergonómicos y psicosociales con herramienta reconocida (INSST)
Aplica medidas correctoras Propone y documenta medidas preventivas específicas y realizables
Actúa ante emergencias Conoce y describe correctamente el protocolo de actuación ante los tipos de emergencia relevantes
Calcula y reduce la huella de carbono Usa una herramienta de medición; propone medidas con impacto cuantificado
Aplica economía circular Clasifica activos TIC según la jerarquía circular; identifica activos reutilizables
Demuestra rigor analítico Verifica, documenta y comunica los análisis con incertidumbre cuantificada
Cumple la normativa Aplica RGPD y AI Act en la práctica; mantiene el registro de actividades actualizado
Muestra actitud de mejora continua Documenta lecciones aprendidas y propone mejoras concretas para el siguiente ciclo
Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

← Volver a MP03

Apuntes de IA y Datos
UD7 · Gestión integral: seguridad, sostenibilidad y desarrollo profesional | MP03 · Explotación de servicios de datos y analítica

← UD6 · Inteligencia de negocio y ana…  ·  Volver al módulo

Apuntes de IA y Datos

nav-slide