ISO/IEC 25000 - Requisitos y evaluación de la calidad del software

Resumen

La serie ISO/IEC 25000, conocida como SQuaRE (Software product Quality Requirements and Evaluation), proporciona el marco internacional más completo para evaluar la calidad del software, y esto incluye los sistemas de IA. Publicada en 2014 pero actualizada continuamente, esta serie de normas ofrece algo que muchos marcos de gobernanza de IA carecen: métricas de calidad concretas y medibles. Mientras que otras normas de IA se centran en principios de alto nivel, la ISO/IEC 25000 profundiza en los detalles técnicos de cómo medir realmente si tu software de IA es confiable, usable, seguro y mantenible.

Qué la diferencia de las normas específicas para IA

La mayoría de los recursos de gobernanza de IA fueron escritos específicamente para IA y se centran en ética, sesgo y explicabilidad. La ISO/IEC 25000 adopta un enfoque fundamentalmente diferente: trata primero a los sistemas de IA como productos de software y luego aplica principios rigurosos de ingeniería de software. Esta perspectiva es invaluable porque los sistemas de IA, independientemente de su sofisticación, son en última instancia software que debe funcionar de manera confiable en entornos de producción.

La norma proporciona ocho características de calidad: adecuación funcional, eficiencia de desempeño, compatibilidad, usabilidad, confiabilidad, seguridad, mantenibilidad y portabilidad. Cada una viene con subcaracterísticas específicas y métricas medibles. Para los sistemas de IA, esto se traduce en criterios de evaluación concretos que a menudo faltan en los marcos centrados en la ética.

Desglose del marco SQuaRE

La serie ISO/IEC 25000 consta de cinco divisiones, cada una con un propósito específico:

• División de Gestión de Calidad (2500n) establece el marco general y proporciona orientación para usar toda la serie. Este es tu punto de partida para entender cómo encajan todas las piezas.
• División del Modelo de Calidad (2501n) define las características y subcaracterísticas de calidad. Para los profesionales de IA, esta división es crucial porque proporciona el vocabulario y la estructura para discutir la calidad del software en términos medibles.
• División de Medición de Calidad (2502n) especifica medidas de calidad para cada característica. Esta división transforma conceptos abstractos como "confiabilidad" en métricas concretas que realmente puedes calcular y rastrear a lo largo del tiempo.
• División de Requisitos de Calidad (2503n) ayuda a las organizaciones a especificar requisitos de calidad y planificar evaluaciones. Esto es particularmente valioso para proyectos de IA donde las partes interesadas a menudo tienen dificultades para articular expectativas de calidad específicas más allá de "que funcione bien".
• División de Evaluación de Calidad (2504n) proporciona el proceso de evaluación y orientación para los evaluadores. Esta división ofrece procedimientos paso a paso para realizar evaluaciones sistemáticas de calidad del software de IA.

A quién está dirigido este recurso

• Ingenieros de calidad de software y testers que trabajan en sistemas de IA y necesitan enfoques estructurados para el aseguramiento de calidad más allá de los métodos de prueba tradicionales.
• Gerentes de producto de IA que deben definir requisitos de calidad concretos para sistemas de IA y comunicar estos requisitos tanto a equipos técnicos como a partes interesadas del negocio.
• Equipos de DevOps y MLOps que implementan integración continua y despliegue para sistemas de IA y necesitan puertas de calidad y criterios medibles para decisiones de liberación.
• Profesionales de cumplimiento y gestión de riesgos en industrias reguladas donde las normas de calidad de software son obligatorias o donde se requiere demostrar una evaluación sistemática de calidad.
• Integradores de sistemas y consultores que evalúan productos de software de IA para clientes y necesitan marcos reconocidos internacionalmente para sus evaluaciones.
• Investigadores académicos que estudian la evaluación de sistemas de IA y quieren fundamentar su trabajo en principios establecidos de ingeniería de software en lugar de inventar nuevos enfoques de evaluación desde cero.

Cómo obtener valor práctico de esta norma

Comienza con la División del Modelo de Calidad (ISO/IEC 25010) para entender las ocho características de calidad y determinar cuáles son más críticas para tu sistema de IA. No todas las características serán igualmente importantes: un sistema de IA de procesamiento por lotes tiene prioridades de calidad diferentes a un motor de recomendaciones en tiempo real.

Usa la División de Requisitos de Calidad (ISO/IEC 25030) para traducir las necesidades del negocio en requisitos de calidad específicos y medibles. En lugar de requisitos vagos como "la IA debería ser confiable", especificarás métricas concretas como "tiempo medio entre fallas superior a 720 horas" o "disponibilidad del 99.9% durante horario laboral".

Implementa prácticas de medición de la División de Medición de Calidad usando tu infraestructura existente de monitoreo y registro. Muchas organizaciones descubren que ya están recopilando los datos necesarios para las métricas de ISO/IEC 25000; simplemente no los estaban organizando sistemáticamente.

Los procesos de evaluación pueden integrarse en los procedimientos existentes de revisión de código, pruebas y liberación, en lugar de implementarse como una carga de gobernanza separada.

Cuidado con estos conceptos erróneos comunes

Esta no es una norma de ética de IA, y no abordará directamente las preocupaciones de sesgo, equidad o explicabilidad. Es una norma de calidad de software que resulta aplicable a los sistemas de IA. Probablemente necesitarás combinarla con marcos de gobernanza específicos de IA para una cobertura integral.

La ISO/IEC 25000 no prescribe niveles o umbrales de calidad específicos. Proporciona marcos de medición, pero tú debes determinar los objetivos apropiados según tu contexto, necesidades de los usuarios y requisitos regulatorios.

La serie de normas es completa pero puede resultar abrumadora. Las organizaciones a menudo intentan implementar todo de una vez en lugar de centrarse en las características de calidad más relevantes para sus aplicaciones de IA específicas y su perfil de riesgo.

Finalmente, aunque la norma es aplicable globalmente, los requisitos de adquisición, las expectativas regulatorias y las prácticas de la industria varían significativamente según la jurisdicción y el sector. El marco proporciona consistencia, pero los detalles de implementación deben adaptarse a tu entorno operativo específico.