Anjana Data https://anjanadata.com Gobierno del Dato & Analytics Thu, 11 Jun 2026 13:37:50 +0000 es hourly 1 https://wordpress.org/?v=6.9.4 https://anjanadata.com/wp-content/uploads/2020/03/cropped-favicon_anjanadata-32x32.png Anjana Data https://anjanadata.com 32 32 De los pilotos de IA al cumplimiento del AI Act: una aproximación pragmática al gobierno de la IA https://anjanadata.com/de-los-pilotos-de-ia-al-cumplimiento-del-ai-act-una-aproximacion-pragmatica-al-gobierno-de-la-ia/ https://anjanadata.com/de-los-pilotos-de-ia-al-cumplimiento-del-ai-act-una-aproximacion-pragmatica-al-gobierno-de-la-ia/#respond Thu, 11 Jun 2026 09:06:52 +0000 https://anjanadata.com/?p=30397

La conversación sobre inteligencia artificial ha cambiado radicalmente en los últimos dos años.

Muchas organizaciones comenzaron experimentando con asistentes conversacionales, copilotos, modelos predictivos o agentes inteligentes. Algunas obtuvieron resultados interesantes. Otras descubrieron rápidamente que desplegar IA en producción es mucho más complejo que ejecutar una prueba de concepto.

Hoy las preguntas ya no son únicamente tecnológicas:

  • ¿Qué sistemas de IA tenemos realmente en funcionamiento?
  • ¿Quién es responsable de cada uno de ellos?
  • ¿Qué datos utilizan?
  • ¿Qué riesgos generan?
  • ¿Cómo demostramos que operan de forma segura, responsable y conforme a la normativa?

Y mientras estas preguntas ganan relevancia, el contexto regulatorio avanza. En este contexto, existe una percepción equivocada en el mercado:

         Para cumplir con estas exigencias hay que embarcarse en proyectos complejos, largos y costosos.

La realidad es muy distinta.

No necesitas empezar con todo

La mayoría de las organizaciones no necesitan implantar un Sistema de Gestión de Inteligencia Artificial (SGIA) completo desde el primer día.

Algunas simplemente necesitan:

  • Inventariar sus sistemas de IA.
  • Identificar responsables.
  • Catalogar modelos.
  • Documentar los datos utilizados.
  • Evaluar riesgos básicos.
  • Mantener evidencias.

Otras ya están preparadas para abordar escenarios más avanzados relacionados con cumplimiento normativo, gestión integral de riesgos, evaluaciones de impacto o auditorías.

Por eso en Anjana Data hemos diseñado nuestro SGIA con un enfoque progresivo.

La plataforma permite empezar por los elementos esenciales y evolucionar gradualmente hacia modelos avanzados de gobierno, cumplimiento y auditoría sin necesidad de cambiar de herramienta, rehacer el trabajo realizado o introducir nuevas tecnologías cada vez que aumenta el grado de madurez de la organización.

La tecnología acompaña a la organización en su evolución y no al revés. Esto reduce la curva de aprendizaje, facilita la gestión del cambio y acelera significativamente el time-to-value.

Cuando la IA pasa a producción, el gobierno deja de ser opcional

La mayoría de organizaciones pueden gestionar uno o dos casos de uso de IA de forma relativamente informal.

El problema aparece cuando la IA comienza a escalar. Surgen nuevos modelos, nuevos equipos, nuevos proveedores, nuevas fuentes de datos y nuevas responsabilidades.

Las organizaciones que despliegan inteligencia artificial en Europa ya no se preguntan si tendrán que cumplir el AI Act 2024/1689, la ISO/IEC 42001 o las obligaciones de transparencia para modelos GPAI. La pregunta es ¿cuándo llegará la primera inspección y cuánto tardaremos en responderla?.

Y en este contexto aparecen preguntas concretas que han de ser respondidas con garantías y rapidez:

  • ¿Qué modelos están utilizando datos personales?
  • ¿Qué sistemas podrían considerarse de alto riesgo?
  • ¿Quién aprobó una determinada evaluación?
  • ¿Qué medidas de mitigación están implantadas?
  • ¿Qué evidencias podemos presentar ante una auditoría?
  • ¿Cómo demostramos cumplimiento frente al AI Act?

La mayoría reconoce, en voz baja, que hoy la información para dar respuesta a estas preguntas vive repartida entre hojas de cálculo, PDFs en SharePoint y la memoria del equipo de MLOps. Y eso es inmanejable.

Por eso, la única alternativa viable es convertir el gobierno de la IA en un proceso estructurado y operativo.

Del AI Act a una plataforma operativa

En Anjana Data hemos realizado con la inteligencia artificial el mismo ejercicio que ya desarrollamos para iniciativas de gobierno del dato, catálogos corporativos, calidad, linaje, datos abiertos y espacios de datos.

Transformar marcos normativos, estándares y buenas prácticas en configuración real de plataforma sin necesidad de acometer desarrollos.

El resultado es un Sistema de Gestión de Inteligencia Artificial (SGIA) desplegable sobre Anjana Data Platform, alineado con:

  • AI Act (Reglamento UE 2024/1689).
  • ISO/IEC 42001.
  • ISO/IEC 23894.
  • ISO/IEC 42005.
  • ISO/IEC 22989.
  • UNE 0077.
  • UNE 0078.
  • UNE 0079.

No se trata de una maqueta conceptual ni de una propuesta futura. Es una configuración real que desplegamos en entornos productivos.

Un modelo preparado para crecer con la organización

La gran ventaja de un enfoque basado en metadatos y configuración es que permite evolucionar sin fricciones.

Una organización puede comenzar gestionando únicamente:

  • Sistemas IA.
  • Modelos.
  • Casos de uso.
  • Responsables.
  • Riesgos básicos.

Y posteriormente incorporar capacidades más avanzadas como:

  • Evaluaciones de impacto.
  • Gestión integral de riesgos.
  • Documentación técnica.
  • Cumplimiento AI Act.
  • Gestión de modelos GPAI.
  • Observabilidad operacional.
  • Auditoría continua.

Todo ello sobre la misma plataforma, con la misma experiencia de usuario y manteniendo la trazabilidad completa de la información.

El núcleo del SGIA: gobierno, riesgo y trazabilidad

La configuración incorpora:

    • Más de 18 roles especializados para gobierno, cumplimiento, riesgo y operación organizados en tres bloques:
      • Gobierno corporativo: CDO, DPO, CISO, Legal IP Officer
      • Gobierno y calidad del dato según UNE 0077/0078/0079: Data Owner, Data Steward, Data Quality Director/Analyst, Data Architect
      • Operación específica del SGIA: AI System Owner, AI Delegate, AI Human Oversight, AI Compliance Officer, AI Risk Owner, AI Auditor, Incident Manager IA, GPAI Model Owner, Model Validator
      • Cada rol con permisos quirúrgicos y segregación de funciones según ISO 42001 — el auditor no modifica lo que audita, el validador no desarrolla el modelo que valida.
    • Más de 25 subtipos de entidades que cubren:
      • El núcleo del AI Act: `SISTEMA_IA`, `MODELO_IA`, `CASO_USO_IA`, `RESUMEN_CONTENIDO_ENTRENAMIENTO_GPAI`, `PROVEEDOR_IA`.
      • La gestión de riesgo e impacto: `EVALUACION_RIESGO_IA`, `EVALUACION_IMPACTO_IA`, `MEDIDA_CONTROL`, `EVIDENCIA_CONTROL`.
      • La operativa SGIA: `DOCUMENTACION_TECNICA_IA`, `EXPEDIENTE_CONFORMIDAD_IA`, `PLAN_MONITORIZACION_IA`, `INCIDENTE_IA`, `NO_CONFORMIDAD_SGIA`, `ACCION_CORRECTIVA_SGIA`.
      • El gobierno del dato según UNE: `POLITICA_DATO`, `INICIATIVA_DATO`, `REQUISITO_CALIDAD_DATO`, `MEDICION_CALIDAD`.
      • El RGPD: `TRATAMIENTO`, `EVALUACION_DPIA`, `BRECHA_SEGURIDAD`.
    • Más de 30 subtipos de relaciones que materializan la trazabilidad extremo a extremo:
      • Cadena de gobierno del sistema: sistema ↔ caso de uso ↔ modelo ↔ documentación ↔ expediente de conformidad ↔ proveedor
      • Cadena de riesgos: sistema → riesgo → medida → evidencia
      • Cadena dato → modelo → producción: modelo ↔ datasets de entrenamiento, validación y producción
      • Cadena RGPD: tratamiento ↔ DPIA ↔ FRIA ↔ brecha
  • Vocabularios controlados precargados alineados con la norma:
    • Clasificación de riesgo del Art. 6: inaceptable, alto, limitado, mínimo
    • Dominios del Anexo III
    • Categorías de riesgo ISO 23894
    • Tipos de modelo ISO 22989
    • Modalidades de datos de entrenamiento del Art. 53
    • Categorías especiales del Art. 9 RGPD
    • Controles del Anexo A de ISO 42001
  • Menús de plantillas configurados, validaciones de obligatoriedad y workflows de aprobación.

El objetivo no es generar más documentación. Es convertir la información necesaria para gobernar la IA en un activo vivo y gestionable.

Preparado para sistemas de alto riesgo y modelos GPAI

El SGIA cubre las dos grandes familias de obligaciones que el AI Act introduce a partir de agosto de 2026:

  • Sistemas de alto riesgo (Arts. 6-15, Anexo III): Cada `SISTEMA_IA` tiene cinco menús de plantilla — Identificación, Técnico, Cumplimiento, Gestión SGIA y Observabilidad operacional — con campos obligatorios que impiden dar de alta un sistema sin clasificación de riesgo, sin asignación nominal de supervisor humano del Art. 14, sin evaluación de excepciones del Art. 6(3) y sin registro de ámbito del Art. 2 (incluida la extraterritorialidad del Art. 2(1)(c) cuando el output se usa en la UE).
  • Documentación técnica del Anexo IV: La entidad `DOCUMENTACION_TECNICA_IA` incluye un mapeo estructurado a los puntos del Anexo IV y a los apartados de ISO 42001. Permite responder en segundos a “¿qué documento cubre el punto 3 del Anexo IV?” sin abrir un solo PDF.
  • Modelos GPAI (Arts. 53-55): La entidad `RESUMEN_CONTENIDO_ENTRENAMIENTO_GPAI` modela las modalidades de datos (texto, imagen, audio, vídeo, código, sintéticos), el volumen del corpus en los rangos que la AI Office exigirá publicar, las fuentes agregadas por tipo, la política de respeto del opt-out de TDM conforme a la Directiva 2019/790 y los mecanismos concretos de detección (robots.txt parsing, cabeceras TDM, listas blancas/negras, acuerdos individuales). El flag “Modelo GPAI” en `MODELO_IA` dispara automáticamente la creación de la entidad vinculada.
  • Evaluación de Impacto en Derechos Fundamentales (FRIA): La FRIA no es una entidad aparte: es exactamente lo que se documenta en `EVALUACION_IMPACTO_IA`, conforme al Art. 27 del AI Act y a la metodología ISO 42005. Incluye grupos vulnerables, impactos por derecho fundamental y conclusión vinculante (Aceptable / Requiere mitigación / No aceptable).

Monitorización post-comercialización (Art. 72) y notificación de incidentes (Art. 73): Las entidades `PLAN_MONITORIZACION_IA` e `INCIDENTE_IA` cierran el ciclo de vida operativo con métricas, umbrales, frecuencias y plazos de notificación al regulador.

Listo para desplegar: sin código, sin fricción

Al igual que todas las configuraciones de Anjana Data que sirven de acelerador para la implementación de casos de uso sobre Anjana Data Platform, el SGIA se entrega out of the box:

  • Implantación automatizada en tiempo récord sobre cualquier instancia de Anjana Data Platform.
  • Sin necesidad de desarrollo. La configuración se aplica vía API REST y el cliente puede personalizar atributos, vocabularios y workflows sin romper la conformidad con la norma.
  • Validaciones integradas: los campos críticos (clasificación de riesgo, ámbito Art. 2, conclusión FRIA) son obligatorios. Un sistema no puede pasar a estado “Activo” sin la documentación regulatoria asociada.
  • Plantillas y secciones organizadas pedagógicamente: cada menú agrupa atributos por bloque de obligaciones, de forma que el usuario funcional —no necesariamente experto en AI Act— sabe qué rellenar y por qué.

Trazabilidad extremo a extremo: del caso de uso al dato

Esta es la pieza diferencial del SGIA de Anjana Data. El AI Act exige a proveedores y deployers mantener la trazabilidad uso → sistema → modelo → dato. La mayoría de organizaciones la mantienen a mano, en una hoja Excel que nunca está actualizada.

En el SGIA esa cadena es navegable:

  • Un caso de uso (`CASO_USO_IA`) registra el dominio del Anexo III, los usuarios previstos y la evaluación preliminar de impacto en derechos fundamentales. Si la respuesta es “Alto”, el workflow bloquea la activación hasta que la FRIA esté firmada.
  • El caso de uso se conecta con el sistema IA que lo ejecuta. La misma red neuronal puede ser bajo riesgo cuando etiqueta spam y alto riesgo cuando decide un crédito: el AI Act regula el caso de uso, no el modelo.
  • El sistema agrega uno o varios modelos (`MODELO_IA`), con sus métricas de exactitud, robustez y ciberseguridad exigidas por el Art. 15, su tipo según ISO 22989 y su flag GPAI cuando aplica.
  • Cada modelo se conecta con los datasets que lo entrenaron, validaron y alimentan en producción. Cuando un afectado ejerce el derecho de supresión del Art. 17 RGPD, podemos identificar todos los modelos que tocaron ese dato. Cuando aparece un sesgo en el output, podemos rastrear hacia atrás qué dataset lo introdujo.
  • El dataset arrastra su propio linaje técnico — RAW → Silver → Gold — y su linaje de consumo hacia Power BI, donde los reports se conectan con KPIs y los KPIs con términos del glosario corporativo.

El resultado: una sola plataforma donde la pregunta “¿qué datos personales alimentan qué modelos, qué sistemas los ejecutan, en qué casos de uso, con qué FRIA firmada por quién?” se responde con clics, no con reuniones.

Gobierno del dato, RGPD y AI Act en un único hilo

  • El AI Act dedica un artículo entero — el Art. 10 — a la calidad del dato para sistemas de alto riesgo. Si el gobierno del dato vive en una herramienta y el SGIA en otra, esa exigencia obliga a un puente manual que nunca está completo.

    El SGIA reutiliza el metamodelo de gobierno y calidad del dato que Anjana Data ya ofrece nativamente:

    • UNE 0077: Políticas, iniciativas, responsabilidades nominales y riesgos del dato vinculados al sistema IA.
    • UNE 0078: Clasificación, ciclo de vida, arquitectura, seguridad y privacidad del dato (incluida la marca de categorías especiales del Art. 9 RGPD, que dispara automáticamente la obligación de DPIA del Art. 35).
    • UNE 0079 / ISO 25012: Evaluación de calidad por características inherentes y dependientes del sistema, con plan de mejora y mediciones.
    • Datos para IA: Sección específica con sesgo, representatividad, etiquetado y preparación. Es donde se materializa la “documentación de la calidad del dato en la medida de lo posible” del Art. 10.
    • RGPD nativo: `TRATAMIENTO` (RAT del Art. 30), `EVALUACION_DPIA` (Art. 35) y `BRECHA_SEGURIDAD` (Arts. 33-34), conectados al sistema IA por relaciones específicas (`SISTEMA_DPIA`, `TRATAMIENTO_SISTEMA`, `FRIA_DPIA`).

    El DPO emite su opinión sobre la DPIA, el AI Risk Owner firma la evaluación de riesgos IA, el Data Owner autoriza el dataset, el LEGAL IP Officer aprueba el resumen GPAI. Tres mundos, un único hilo de trazabilidad.

Observabilidad operacional: del MLOps al gobierno

Cada `SISTEMA_IA` y cada `MODELO_IA` incluyen un menú de Observabilidad operacional con secciones dedicadas a rendimiento, disponibilidad y SLO, calidad en runtime, coste y consumo, deriva del modelo y trazabilidad técnica.

Estos atributos no se rellenan a mano. Se sincronizan vía:

  • API REST de Anjana Data: endpoints documentados, autenticación OAuth, idempotentes. Cualquier plataforma de MLOps puede empujar métricas.
  • Plugins nativos: Dynatrace, MLflow, Evidently, Datadog, Helicone, LangSmith, Langfuse, los model registries de los principales proveedores cloud.

La idea: capa de gestión técnica de IA ↔ capa de gobierno de IA. Las herramientas de MLOps operan el día a día; Anjana Data convierte esa operativa en metadato gobernable, auditable y reportable al regulador. Se acaba la divergencia clásica entre “lo que sabe Datadog” y “lo que dice el informe de cumplimiento”.

Una solución modular, preparada para crecer

El SGIA de Anjana Data es la base configurada, no el techo:

  • Extensiones sectoriales. Banca, sanidad, sector público, RR. HH., infraestructuras críticas: cada dominio puede añadir atributos específicos sin tocar el metamodelo base.
  • Metadatos propios. Las organizaciones que ya tienen taxonomías de riesgo, controles internos o KPIs de gobierno pueden incorporarlos como atributos adicionales.
  • Workflows de gobernanza personalizables. Quién aprueba qué, con qué SLA, con qué notificaciones, con qué evidencias. Los flujos de aprobación se modelan en la plataforma.
  • Integración con el resto del ecosistema Anjana: catálogo de datos abiertos DCAT-AP-ES, marketplace de productos de dato, glosario corporativo, linaje técnico, KPIs y reports gobernados. El SGIA hereda todo eso.

El objetivo no es cumplir. Es gobernar.

El cumplimiento normativo es una consecuencia. El verdadero objetivo es disponer de una visión completa, fiable y auditable de cómo la organización utiliza la inteligencia artificial.

Porque las organizaciones que obtendrán más valor de la IA no serán necesariamente las que tengan más modelos. Serán aquellas capaces de gobernarlos, operarlos y escalarlos con confianza.

¿Quieres verlo en funcionamiento?

Tenemos una demo de 50-60 minutos que recorre el SGIA completo sobre un caso real: desde la creación de un caso de uso, su clasificación de riesgo conforme al Anexo III, la documentación técnica del Anexo IV, la FRIA del Art. 27, la evaluación de riesgos según ISO 23894 con sus medidas de control y evidencias, el modelo IA con sus métricas del Art. 15, el resumen GPAI del Art. 53, los datasets de entrenamiento gobernados según UNE 0077/0078/0079, hasta el linaje técnico hacia Power BI y el marketplace de acceso al dato.

La demo se adapta al perfil del público — comité de dirección, CDO/CDAIO, DPO, comprador técnico — y muestra exactamente cómo responder en minutos a la pregunta que llegará en la primera inspección: “Mostradnos el inventario de sistemas IA de alto riesgo con su clasificación, su evaluación de riesgos firmada y su documentación técnica completa.”

Solicita una demo del SGIA

Ahora puedes hacerlo de forma inmediata, sin desarrollo y con una solución 100% alineada con AI Act, ISO/IEC 42001 y las normas UNE de gobierno del dato.

Esto no es documentación. Es un sistema de gestión vivo.

]]> https://anjanadata.com/de-los-pilotos-de-ia-al-cumplimiento-del-ai-act-una-aproximacion-pragmatica-al-gobierno-de-la-ia/feed/ 0 Gobierna tus datos abiertos conforme a DCAT-AP-ES listo para publicar en datos.gob.es https://anjanadata.com/gobierna-tus-datos-abiertos-conforme-a-dcat-ap-es-listo-para-publicar-en-datos-gob-es/ https://anjanadata.com/gobierna-tus-datos-abiertos-conforme-a-dcat-ap-es-listo-para-publicar-en-datos-gob-es/#respond Tue, 14 Apr 2026 16:48:18 +0000 https://anjanadata.com/?p=29576

DCAT-AP-ES en Anjana Data ya es una realidad. En un momento en que las administraciones públicas y las organizaciones que operan en España necesitan publicar sus datos abiertos conforme a la Norma técnica de Interoperabilidad (NTI-RISP), contar con una solución que traduzca el estándar en configuración real, sin desarrollo, sin fricciones, marca la diferencia entre cumplir y liderar.
Hemos analizado en profundidad el perfil de aplicación DCAT-AP-ES (versión 1.0.0), basado en DCAT-AP 2.1.1 y la extensión europea de Datos de Alto Valor (HVD 2.2.0), y lo hemos traducido en una configuración completa y desplegable en Anjana Data Platform. El resultado: una solución que permite gobernar catálogos, conjuntos de datos, distribuciones y servicios de datos conforme al estándar español, lista para interoperar con datos.gob.es y con cualquier portal europeo.

Del BOE a la plataforma: el estándar hecho configuración

DCAT-AP-ES no es solo un documento técnico. Es el marco que define cómo deben describirse, clasificarse y compartirse los datos abiertos en España. Pero aplicarlo exige mapear decenas de clases, propiedades obligatorias, vocabularios controlados y reglas de validación.
Nosotros ya lo hemos hecho. La configuración en Anjana Data incluye:

  • 5 tipos de entidad alineados con las clases del estándar: Catálogo, Dataset, Distribución, Servicio de Datos y Registro de Catálogo
  • 9 tipos de relación que reflejan fielmente el modelo DCAT-AP-ES: desde la relación Catálogo-Dataset hasta el linaje entre conjuntos de datos
  • Mas de 50 atributos de metadatos mapeados uno a uno con las propiedades del estándar, usando la nomenclatura técnica dcat_ y dcatapes_ para garantizar trazabilidad total con la especificación
  • 15 vocabularios controlados precargados: temáticas NTI-RISP, categorías EU Data Theme, licencias, formatos, frecuencias de actualización, cobertura geográfica por comunidades autónomas, categorías de Datos de Alto Valor y más

Todo esto con los atributos nativos name y description mapeados a dct:title y dct:description, tal como exige el estándar.

Preparado para Datos de Alto Valor (HVD)

El Reglamento europeo de Datos de Alto Valor (UE 2023/138) establece obligaciones específicas para datasets de seis categorías críticas: geoespacial, meteorológica, estadística, movilidad, empresas y medio ambiente. DCAT-AP-ES incorpora estas exigencias, y nuestra configuración también:

  • Sección dedicada HVD en Dataset y Servicio de Datos con los campos dcatapes_hvdCategory y dcatapes_applicableLegislation
  • Vocabulario de categorías HVD precargado y listo para usar
  • Filtro en el buscador para localizar rápidamente todos los activos clasificados como Datos de Alto Valor

Así, las organizaciones que gestionen datos de alto valor pueden cumplir con la normativa europea desde el primer día.

Listo para desplegar: sin código, sin fricción

La configuración de DCAT-AP-ES en Anjana Data es out of the box. Esto significa:

  • Implantación en tiempo récord: toda la estructura de menús, secciones, atributos, validaciones y vocabularios se despliega de forma automatizada
  • Sin necesidad de programación: la configuración se aplica directamente a través de la API de administración de Anjana
  • Personalizable: se puede partir de esta base y adaptar menús, secciones o atributos a las necesidades específicas de cada organización, añadiendo metadatos propios sin romper la conformidad con el estándar
  • Validaciones integradas: los campos obligatorios del estándar (título, descripción, publicador, temática, derechos de acceso…) ya vienen configurados como REQUIRED, reduciendo errores de catalogación desde el origen

Interoperabilidad real con el ecosistema español y europeo

La configuración ha sido diseñada pensando en la interoperabilidad:

  • Vocabularios NTI-RISP: temáticas sectoriales y cobertura territorial alineadas con los recursos oficiales de datos.gob.es
  • Publicadores como Unidades Organizativas: los organismos públicos se modelan mediante el selector nativo de Anjana, facilitando la integración con el Directorio Común DIR3
  • Puntos de contacto desglosados: la información de contacto (vcard:Kind) se desglosa en campos individuales —nombre, organización, email, teléfono, URL— para facilitar tanto la cumplimentación como la exportación
  • API REST abierta: todos los metadatos gobernados en Anjana son accesibles vía API, permitiendo alimentar portales de datos abiertos, federaciones de catálogos y harvesting automatizado

Tres capas de linaje para visualizar tu catálogo

Mas allá de los metadatos, hemos configurado tres capas de linaje que permiten visualizar las relaciones entre los activos desde diferentes perspectivas:

  • Vista general del catálogo: muestra la jerarquía completa Catálogo > Datasets > Distribuciones > Servicios, con agrupaciones que permiten colapsar y expandir cada nivel
  • Linaje de datos: centrada en la trazabilidad entre datasets, sus distribuciones y los servicios que los sirven, incluyendo relaciones entre conjuntos de datos fuente
  • Gobernanza del catálogo: orientada a la gestión, mostrando registros de catálogo, subcatálogos y la relación de cada registro con el recurso que cataloga

10 filtros en el buscador, listos para encontrar lo que importa

El buscador de Anjana Data queda configurado con 10 filtros específicos para DCAT-AP-ES:

  • Filtros principales (visibles por defecto): Temática, Publicador, Derechos de acceso, Cobertura geográfica y Categoría HVD
  • Filtros secundarios (a demanda del usuario): Idioma, Formato, Fecha de publicación, Fecha de modificación y Frecuencia de actualización

Cada filtro esta traducido a español e ingles, y conectado directamente con los vocabularios controlados del estándar.

Una solución modular, preparada para crecer

DCAT-AP-ES es la base, pero Anjana Data permite ir mas alla:

  • Anadir extensiones sectoriales (salud, energia, geoespacial…) sobre la misma configuración base
  • Incorporar metadatos propios de la organización en secciones adicionales, sin alterar la conformidad con el estándar
  • Activar workflows de gobernanza para la revisión y aprobación de metadatos antes de su publicación
  • Conectar con portales de datos abiertos existentes para automatizar la sincronización de catálogos

[VÍDEO] Demo de configuración DCAT-AP-ES

Te mostramos en detalle cómo luce esta implementación en la plataforma:

https://youtu.be/CyHWst97aA8

Quieres gobernar tus datos abiertos conforme al estándar español?

Si tu organizacion necesita alinear su catálogo de datos con DCAT-AP-ES, cumplir con el Reglamento de Datos de Alto Valor o prepararse para la Data Act, ahora puedes hacerlo de forma inmediata, sin desarrollo y con una solución 100% interoperable.
Contacta con nosotros para activar esta configuración en tu entorno, solicitar una demo personalizada o conocer como Anjana Data puede ayudarte a convertir la normativa en gobernanza real.

 

]]> https://anjanadata.com/gobierna-tus-datos-abiertos-conforme-a-dcat-ap-es-listo-para-publicar-en-datos-gob-es/feed/ 0 ADP4DS en el Webinar de CRED: cómo operar Espacios de Datos soberanos en producción https://anjanadata.com/elementor-29169/ https://anjanadata.com/elementor-29169/#respond Fri, 27 Feb 2026 09:13:08 +0000 https://anjanadata.com/?p=29169

Esta semana participamos en el webinar organizado por el Centro de Referencia en Economía del Dato (CRED): “Soluciones para Espacios de Datos”.

En representación de Anjana Data, nuestro CEO Mario de Francisco Ruiz presentó cómo ADP4DS (Anjana Data Platform for Data Spaces) permite pasar del diseño conceptual de un Espacio de Datos a su operación real en producción.

Porque el reto ya no es entender qué es un Espacio de Datos.
El reto es cómo gobernarlo, operarlo y escalarlo con garantías.

El desafío: industrializar la gobernanza en entornos multi-organización

Los Espacios de Datos implican:

  • Múltiples participantes

  • Políticas de uso del dato

  • Estándares europeos (Gaia-X, IDSA)

  • Cumplimiento regulatorio

  • Trazabilidad y control continuo

Sin una plataforma preparada para ello, la complejidad crece exponencialmente.

ADP4DS: Plataforma para Espacios de Datos en producción

Durante el webinar mostramos cómo ADP4DS actúa como capa común de gobierno e intercambio de información y conocimiento, basada en metadatos y diseñada específicamente para entornos federados.

ADP4DS permite:

✔Gobernar activos con trazabilidad, auditoría y versionado
✔Gestionar acuerdos de compartición de datos
✔Integrar vocabularios comunes sobre una capa semántica compartida
✔Automatizar procesos con enfoque governance-first
✔Operar entornos multi-organización con workflows basados en roles
✔Integrarse con conectores IDS, Clearing House y otras tecnologías

No hablamos de teoría.
Hablamos de infraestructura tecnológica preparada para producción.

Más allá del catálogo: Marketplace Federado de Conocimiento

Un Espacio de Datos no es solo intercambio de datasets.

ADP4DS habilita un Marketplace Federado de Conocimiento, donde:

  • Los activos están contextualizados semánticamente

  • Los acuerdos son trazables

  • El linaje es declarativo y multicapas

  • El conocimiento es reutilizable

Esto permite evolucionar del simple data sharing hacia la creación de valor compartido.

Soberanía real, no declarativa

La soberanía del dato implica:

  • Control efectivo del acceso

  • Políticas ejecutables

  • Capacidad de auditoría

  • Interoperabilidad sin pérdida de autonomía

ADP4DS está diseñada para habilitar Espacios de Datos soberanos alineados con marcos europeos y preparados para entornos regulados.

¿Estás diseñando o impulsando un Espacio de Datos?

Si tu organización está:

  • Promoviendo un Espacio de Datos sectorial

  • Adhiriéndose a un ecosistema existente

  • Buscando tecnología interoperable y preparada para producción

Hablemos.

👉 Solicita una sesión técnica sobre ADP4DS: 
https://anjanadata.com/solicita-una-demo/

Si no pudiste asistir al webinar, aquí puedes consultar todo el material:

📺 Ver la grabación completa del webinar
👉 https://www.youtube.com/watch?v=e0ROLt5R0As

]]> https://anjanadata.com/elementor-29169/feed/ 0 CNIS 2026: Industrializando el Gobierno del Dato, la IA y los Espacios de Datos en el Sector Público https://anjanadata.com/cnis-2026-industrializando-el-gobierno-del-dato-la-ia-y-los-espacios-de-datos-en-el-sector-publico/ https://anjanadata.com/cnis-2026-industrializando-el-gobierno-del-dato-la-ia-y-los-espacios-de-datos-en-el-sector-publico/#respond Thu, 19 Feb 2026 20:19:37 +0000 https://anjanadata.com/?p=29131

Anjana Data estará presente en CNIS 2026, el Congreso Nacional de Innovación y Servicios Públicos, acompañando a nuestro partner estratégico hiberus, a quien queremos agradecer especialmente la invitación y la oportunidad de compartir espacio en su stand.

Tras participar en las dos últimas ediciones, volvemos a CNIS reforzando un mensaje claro:

El reto del Sector Público ya no es definir estrategias de datos e IA.
El reto es industrializarlas y escalarlas.

Un partnership estratégico para transformar el Sector Público

Nuestra colaboración con hiberus va mucho más allá de un evento.

Compartimos visión y compromiso con la modernización del Sector Público, y contamos con casos de éxito conjuntos como el del Gobierno de Aragón, referente nacional en Gobierno del Dato y Gobierno de la IA.

Este tipo de proyectos demuestran que es posible:

  • Integrar gobierno, tecnología y operación.
  • Alinear estrategia y ejecución.
  • Construir capacidades estructurales, no soluciones aisladas.

Nuestra propuesta de valor para el Sector Público

1️⃣ Gobierno del Dato: de la teoría a la ejecución

Las AAPP necesitan algo más que un catálogo.

Necesitan:

  • Gestión integral de metadatos.
  • Control de calidad.
  • Políticas y roles.
  • Trazabilidad y auditoría.
  • Automatización del cumplimiento.
  • Integración real con el stack tecnológico existente.

Anjana Data Platform permite convertir el gobierno en una capacidad operativa permanente.

2️⃣ Gobierno de la IA: control, supervisión y cumplimiento

La adopción de la IA en la Administración exige:

  • Trazabilidad de datasets y modelos.
  • Gestión de riesgos.
  • Control de uso.
  • Supervisión continua.
  • Alineación con el marco regulatorio europeo.

Nuestra plataforma integra el Gobierno de la IA como extensión natural del Gobierno del Dato, evitando silos y garantizando coherencia.

3️⃣ Espacios de Datos: interoperabilidad con soberanía

España está impulsando activamente Espacios de Datos sectoriales.

Pero para que funcionen, necesitan infraestructura preparada para producción.

Con ADP4DS (Anjana Data Platform for Data Spaces) habilitamos:

  • Gestión de acuerdos de compartición (Data Sharing Agreements).
  • Control de acceso y soberanía.
  • Auditoría y trazabilidad.
  • Interoperabilidad real.
  • Escalabilidad más allá de pilotos.

El diferencial: Data & Knowledge Marketplace

Una de las capacidades diferenciales de Anjana Data Platform es su enfoque de Marketplace.

No hablamos solo de catalogar datos, sino de habilitar un verdadero:

🔹 Data & Knowledge Marketplace

Donde:

  • Productores publican activos gobernados.
  • Consumidores (personas y agentes inteligentes) pueden descubrirlos y solicitarlos.
  • Los accesos se gestionan mediante acuerdos formales y trazables.
  • Se garantiza control, seguridad y cumplimiento.

Este enfoque convierte la plataforma en una infraestructura de intercambio de conocimiento, preparada para un entorno donde los consumidores ya no son solo personas, sino también sistemas y agentes autónomos.

Marca España con reconocimiento internacional

Anjana Data es la única empresa española incluida en un Magic Quadrant de Gartner en el ámbito de Data & Analytics.

Esto refuerza nuestro compromiso con:

  • Soberanía tecnológica.
  • Industria nacional.
  • Competitividad internacional.
  • Estándares globales.

Demos en directo en CNIS 2026

El jueves por la mañana, en el stand de hiberus, realizaremos demos personalizadas de la nueva versión de la plataforma, mostrando:

  • Gobierno del Dato en operación real.
  • Gobierno de la IA integrado.
  • Marketplace activo.
  • Casos reales en Administraciones Públicas.

En las demos estarán presentes:

  • Mario de Francisco Ruiz, CEO & Business Development Director
  • Lucía Engo Bermejo, Head of Customer Success & Product Strategy Director

Si asistes a CNIS 2026, estaremos encantados de conversar sobre cómo llevar tu estrategia de datos e IA a producción con garantías.

Nos vemos en Madrid.

]]> https://anjanadata.com/cnis-2026-industrializando-el-gobierno-del-dato-la-ia-y-los-espacios-de-datos-en-el-sector-publico/feed/ 0 Gobernar no es catalogar: entender el mercado antes de empezar una iniciativa de Gobierno del Dato & IA https://anjanadata.com/gobernar-no-es-catalogar-entender-el-mercado-antes-de-empezar-una-iniciativa-de-gobierno-del-dato-ia/ https://anjanadata.com/gobernar-no-es-catalogar-entender-el-mercado-antes-de-empezar-una-iniciativa-de-gobierno-del-dato-ia/#respond Mon, 16 Feb 2026 11:44:57 +0000 https://anjanadata.com/?p=29091

Gobernar no es catalogar

Entender el mercado antes de empezar una iniciativa de Gobierno de Datos & IA

En los últimos años, el mercado del Data Management ha cambiado de forma significativa. No es casualidad que Gartner dejase de publicar el histórico Magic Quadrant for Metadata Management Solutions para evolucionar hacia nuevas categorías como Active Metadata Management y, más recientemente, el Magic Quadrant for Data & Analytics Governance Platforms.

Este movimiento no es simplemente terminológico. Refleja una realidad del mercado: no todas las soluciones que gestionan metadatos o catalogan activos están diseñadas para gobernar datos e IA desde un punto de vista organizativo.

Hoy conviven, al menos, dos grandes bloques tecnológicos:

Por un lado, las Plataformas de Datos & IA que incluyen capacidades de gobierno técnico dentro de su propio stack (Microsoft Fabric y Purview, AWS Glue Catalog, Lake Formation, DataZone y Sagemaker, Google Dataplex, Unity Catalog en Databricks, Snowflake Horizon, IBM, SAP, Oracle, Cloudera, Denodo, Qlik-Talend, Stratio, entre otros).

Por otro lado, las Plataformas de Gobierno de Datos & IA independientes y transversales, reconocidas como categoría propia por Gartner, donde se sitúan soluciones como Collibra, Informatica, Atlan, Alation, Erwin, DataGalaxy… y Anjana Data Platform.

Lee aquí nuestro artículo acerca de nuestra aparición en el Magic Quadrant for Data & Analytics Governance Platforms

Para una organización que está empezando, entender esta diferenciación es crítico. Porque el error más habitual no es elegir una herramienta equivocada. Es no entender qué problema está resolviendo realmente cada tipo de solución.

Catalogar vs Gobernar: una diferencia estructural

Muchas organizaciones comienzan su camino activando el catálogo técnico que ya viene incluido en su plataforma cloud o analítica. Es lógico: la funcionalidad está disponible, la integración es sencilla y el valor es inmediato.

Herramientas como Microsoft Purview, AWS Glue Catalog, Google Dataplex, Unity Catalog, Snowflake Horizon o Cloudera Catalog permiten descubrir activos técnicos automáticamente, extraer metadatos estructurales, inferir linaje técnico y clasificar información sensible (con algunas limitaciones, por supuesto). Para equipos de arquitectura y data engineering, esto es extremadamente útil.

Pero catalogar no es gobernar.

Catalogar significa describir lo que existe. Gobernar significa decidir cómo debe existir, quién es responsable, bajo qué reglas se construye y cómo se consume.

Un catálogo responde a la pregunta:

¿Qué activos técnicos tengo y cómo están conectados?

Una plataforma de gobierno organizativo responde a preguntas más complejas:

¿Quién es el Data Owner?
¿Qué políticas aplican?
¿Qué contrato regula su consumo?
¿Qué impacto tiene un cambio?
¿Cómo se integra esto en la gestión de la demanda y en los procesos de negocio?

Desde nuestra experiencia en proyectos reales —incluyendo organizaciones que han tenido que rediseñar su enfoque tras varios meses de implantación— la confusión entre ambos conceptos suele generar iniciativas con mucha visibilidad técnica y poco control organizativo.

Gobierno técnico vs Gobierno funcional

Los catálogos nativos de las plataformas cloud y de datos cumplen una función clara: proporcionar gobierno técnico dentro de su propio ecosistema.

  • Purview y OneLake “gobiernan” Azure y Fabric.
  • Unity Catalog “gobierna” Databricks.
  • Horizon “gobierna” Snowflake.
  • Cloudera SDX “gobierna” Cloudera.
  • Dataplex “gobierna” GCP.
  • Glue Catalog, Lake Formation, DataZone y Sagemaker “gobiernan” AWS.

Su integración es profunda, su automatización es potente y su alineación con la arquitectura subyacente es natural. Son piezas muy valiosas.

Pero su alcance está limitado al ámbito tecnológico que controlan.

El gobierno funcional, en cambio, tiene que ver con cómo la organización estructura dominios, responsabilidades, políticas, contratos de datos, workflows de aprobación y modelos operativos. Tiene que ver con cómo se gestiona el ciclo de vida completo del dato y de los activos de IA desde una perspectiva organizativa, no solo técnica.

Aquí es donde aparecen las Plataformas de Gobierno de Datos & IA reconocidas por Gartner como categoría diferenciada. Estas plataformas —Collibra, Informatica, Atlan, Alation, entre otras— nacen con vocación transversal, no como extensión de una única arquitectura tecnológica.

Anjana no compite con el gobierno técnico nativo de las Plataformas de Datos & IA. Lo eleva a una capa superior de gobierno integral, transversal, agnóstico y orientado al negocio.

No sustituye el gobierno técnico. Lo complementa y lo integra en un marco organizativo más amplio.

Gobierno pasivo y reactivo vs Gobierno proactivo y preventivo

Existe otra distinción menos visible pero igualmente crítica.

Un modelo basado exclusivamente en catálogo técnico tiende a ser reactivo. Descubre activos una vez construidos. Detecta cambios cuando ya han ocurrido. Clasifica información después de su creación.

Es un gobierno posterior al hecho.

Un modelo de gobierno proactivo integra el gobierno en el diseño. Declara activos antes de su construcción. Define reglas y responsabilidades antes de su puesta en producción. Evalúa impactos antes de ejecutar cambios.

En organizaciones que aspiran a modelos como Data Mesh y DataOps, ecosistemas híbridos y federados o gobierno de agentes de IA avanzado, el enfoque reactivo resulta insuficiente. No porque el catálogo técnico no sea útil, sino porque llega tarde para influir en decisiones críticas.

En nuestra experiencia, las iniciativas más sólidas son aquellas que combinan visibilidad técnica automatizada con operativización organizativa preventiva.

Linaje técnico inferido vs Linaje declarativo

El linaje es uno de los argumentos más utilizados en el mercado.

Las plataformas técnicas tienen ciertas capacidades para inferir linaje técnico automáticamente (OJO, la magia negra no existe y aquí hay mucho humo en el mercado) a partir de pipelines, consultas y transformaciones. Esta capacidad es valiosa para entender dependencias técnicas y analizar impactos.

Pero el linaje técnico inferido no captura relaciones organizativas ni contractuales. No representa responsabilidades, acuerdos de compartición, políticas aprobadas o dependencias entre productos de información desde un punto de vista funcional.

El linaje declarativo, en cambio, permite modelar explícitamente estas relaciones. Representa cómo los activos están conectados desde la perspectiva de gobierno, no solo desde la transformación técnica.

Ambos enfoques no son excluyentes. De hecho, deben convivir.

El linaje técnico vive donde debe vivir: en la capa técnica.
El linaje declarativo aporta una capa de significado organizativo que el inferido no puede ofrecer.

Cuando se diseñan arquitecturas híbridas bien pensadas, ambos flujos se integran bidireccionalmente bajo principios de Active Metadata.

Gobierno basado en control vs Gobierno flexible

Algunas organizaciones interpretan el gobierno como un mecanismo de control centralizado rígido. En la práctica, esto genera resistencia, fricción y ralentización.

Pero tampoco funciona el extremo opuesto: el gobierno puramente observacional que solo documenta lo que ocurre.

Un gobierno flexible combina estructura y autonomía. Permite modelos centralizados, federados o híbridos. Se adapta a grupos empresariales con múltiples organizaciones. Puede coexistir en entornos multi-cloud y on-premise.

En arquitecturas reales —con Azure, AWS, GCP, Snowflake, Databricks, Oracle, SQL Server, Cloudera, Denodo y múltiples combinaciones— la agnosticidad no es un lujo, es una necesidad.

Evitar el lock-in no es solo una cuestión tecnológica. Es también conceptual.

Si el modelo de gobierno está diseñado alrededor de una única plataforma técnica, cualquier cambio estratégico futuro puede obligar a rediseñar el gobierno desde cero.

Anticiparse al coste y a la madurez

El modelo de coste es otro elemento que rara vez se analiza en profundidad al inicio.

Algunas soluciones técnicas operan bajo modelos de consumo continuo: escaneos recurrentes, perfilados automáticos, clasificación dinámica, detección de cambios. En fases iniciales el impacto puede parecer reducido. Con el crecimiento del ecosistema, puede convertirse en un factor estructural.

Pero más allá del coste, está la madurez organizativa. Un modelo excesivamente técnico puede funcionar en organizaciones centradas en ingeniería. Resulta insuficiente cuando el gobierno debe involucrar negocio, riesgos, cumplimiento normativo o gobierno de IA.

Anticiparse a estos factores es una cuestión de diseño estratégico, no de configuración técnica.

Defender el escenario híbrido desde el inicio

Después de años trabajando con organizaciones reales —y viendo tanto implementaciones exitosas como rectificaciones complejas— nuestra conclusión es clara:

El debate no es “Purview o Anjana”.
No es “Unity Catalog o plataforma de gobierno”.
No es “catálogo nativo u open-source”.

El debate es arquitectura y visión.

Lo razonable es aprovechar el gobierno técnico nativo allí donde aporta valor —descubrimiento, clasificación, linaje técnico profundo— y elevar esa información a una capa superior de gobierno organizativo, transversal y agnóstico.

Ese enfoque híbrido:

  • Evita el lock-in conceptual y tecnológico.
  • Permite escalar a medida que crece la madurez.
  • Integra gobierno técnico y funcional.
  • Facilita el paso del gobierno reactivo al proactivo.
  • Hace sostenible el modelo a medio y largo plazo.

Gobierno del Dato & Gobierno de la IA

Gobernar datos y gobernar IA no es exactamente lo mismo. Pero tampoco pueden abordarse como mundos separados.

El gobierno del dato tradicionalmente se ha centrado en aspectos como calidad, definición semántica, responsabilidades, trazabilidad, cumplimiento normativo y control de accesos. Incluso cuando se ha limitado al plano técnico, su foco ha estado en la gestión del ciclo de vida de los activos estructurados: tablas, pipelines, informes, datasets.

El gobierno de la IA introduce nuevas dimensiones:

    • Versionado de modelos.
    • Trazabilidad de datasets de entrenamiento.
    • Explicabilidad.
    • Evaluación de riesgos.
    • Impacto ético y regulatorio.
    • Supervisión continua del comportamiento.
    • Control de agentes autónomos.

    • Gestión de prompts, embeddings y fuentes de conocimiento en entornos generativos.

 

Las piezas de gobierno técnico nativas de las plataformas suelen extender sus capacidades hacia la IA desde una perspectiva igualmente técnica. Por ejemplo, integrando metadatos de modelos, capturando información sobre entrenamientos o mostrando dependencias técnicas entre datasets y modelos dentro del mismo ecosistema tecnológico.

Esto es útil, pero insuficiente.

Porque gobernar IA no es solo registrar que un modelo existe o saber con qué dataset fue entrenado. Es establecer quién lo aprobó, bajo qué criterios, con qué finalidad, con qué límites de uso, bajo qué política de riesgo y qué mecanismos de supervisión aplican.

Es pasar del metadato técnico al contexto organizativo.

Además, un modelo, un sistema o un agente de IA no existe en el vacío. Depende de datos de entrenamiento, definiciones semánticas, reglas de calidad, políticas de acceso, dominios responsables, contratos de uso, etc.

Si el gobierno del dato y el gobierno de la IA están gestionados en plataformas diferentes, con modelos organizativos distintos o sin integración real, aparecen problemas estructurales. Aparecen las inconsistencias en responsabilidades, la falta de trazabilidad end-to-end, las dificultades para evaluar impacto regulatorio, la duplicidad de workflows, la falta de alineamiento entre negocio y tecnología y el riesgo de que la IA consuma datos no aprobados o no certificados.

En un entorno donde la regulación sobre IA está creciendo y donde los agentes autónomos empiezan a tomar decisiones operativas, esta desconexión no es solo una ineficiencia. Es un riesgo estratégico.

Gobernar datos sin gobernar la IA deja abierta la puerta a decisiones automatizadas sin control organizativo.
Gobernar IA sin integrar el gobierno del dato genera modelos técnicamente trazables pero organizativamente opacos.

Cuando el gobierno del dato y el gobierno de la IA conviven en una misma Plataforma de Gobierno de Datos & IA, el enfoque cambia radicalmente.

En un modelo integrado:

  • Un modelo de IA puede declararse como producto de información.

  • Se asocia a un dominio responsable.

  • Se vincula formalmente a los datasets aprobados que lo alimentan.

  • Se somete a workflows de aprobación antes de su despliegue.

  • Se le asignan contratos de uso específicos.

  • Se conecta con políticas regulatorias.

  • Se integra en el linaje declarativo junto con los activos de datos.

Esto permite tener una visión completa, desde el dato bruto hasta la decisión automatizada. No es solo una cuestión técnica. Es una cuestión de coherencia organizativa.

Además, la integración aporta tres beneficios estratégicos clave:

  1. Trazabilidad end-to-end real: Desde el dato fuente hasta el modelo y desde el modelo hasta el proceso de negocio que lo consume.
  2. Responsabilidad clara: Cada activo —dato o modelo— tiene un dominio y roles asociados dentro de un mismo marco organizativo.
  3. Gobernanza preparada para agentes autónomos: En un mundo donde los consumidores de conocimiento ya no son solo personas sino también agentes de IA, tener una capa de gobierno unificada permite controlar qué conocimiento se expone, bajo qué condiciones y con qué contratos.

Las plataformas técnicas pueden registrar modelos y datasets dentro de su ecosistema. Pero no están diseñadas para articular un modelo organizativo transversal que conecte datos, modelos, contratos, responsabilidades y procesos.

Una Plataforma de Gobierno de Datos & IA moderna permite integrar ambos mundos bajo una misma lógica de gobierno.

No se trata de añadir “gobierno de IA” como un módulo adicional. Se trata de reconocer que los modelos de IA son activos de información gobernados y que deben formar parte del mismo sistema de responsabilidades, políticas y contratos que los datos.

Aquí vuelve a cobrar sentido el mensaje central: Anjana no compite con el gobierno técnico nativo de las Plataformas de Datos & IA. Lo eleva a una capa superior de gobierno integral, transversal, agnóstico y orientado al negocio.

Y en el contexto actual, esa integración entre gobierno del dato y gobierno de la IA no es opcional. Es el único enfoque coherente para organizaciones que quieren escalar su uso de la inteligencia artificial sin asumir riesgos innecesarios.

Del Data Catalog al Knowledge Marketplace: la verdadera ventaja competitiva

Hasta aquí hemos hablado de visibilidad, control y arquitectura. Pero hay una pregunta aún más estratégica que pocas organizaciones se hacen al inicio:

¿Para qué queremos gobernar realmente?

La respuesta no debería ser únicamente cumplir normativa o tener el inventario ordenado. El verdadero objetivo es convertir los datos y la IA en conocimiento reutilizable, compartible y explotable de forma controlada.

Si el gobierno del dato y el gobierno de la IA están integrados en una misma lógica organizativa, ocurre algo muy interesante. La conversación deja de ser puramente defensiva —control, cumplimiento, mitigación de riesgos— y pasa a ser estratégica.

Porque cuando datos y modelos están declarados formalmente como activos gobernados, asociados a dominios y responsables, vinculados mediante linaje declarativo, sujetos a workflows y políticas, regulados mediante contratos de uso y son auditables en todo su ciclo de vida, entonces la organización no solo controla. También puede activar el conocimiento de forma segura y escalable.

Y es en ese punto donde aparece el siguiente nivel evolutivo. No hablamos ya de catálogo. No hablamos solo de gobierno. Hablamos de Knowledge Marketplace.

Durante años, el mercado ha hablado de Data Marketplace como repositorio de datasets. Pero esa visión es limitada. Un Knowledge Marketplace no publica solo tablas; publica productos de información completos, que integran datos, contexto semántico, reglas de calidad, políticas de uso, responsables, contratos y trazabilidad.

No se comparte únicamente el dato. Se comparte conocimiento empresarial gobernado.

Y esto no puede construirse únicamente sobre un catálogo técnico. Un catálogo puede mostrar que un dataset existe. Pero no puede, por sí solo, declararlo como producto aprobado, asociarlo a un dominio responsable, establecer contratos de uso ni automatizar la concesión de accesos bajo reglas organizativas.

La materialización real de un Knowledge Marketplace exige una Plataforma de Gobierno de Datos & IA moderna, capaz de convertir activos técnicos en productos gobernados.

Lee aquí nuestro artículo en el que explicamos la evolución del Data Marketplace al Knowledge Marketplace

Esto transforma la democratización del conocimiento en un proceso regulado, trazable y alineado con el modelo de gobierno.

Y cobra aún más relevancia en el contexto actual. Los consumidores de conocimiento ya no son solo personas. Son también modelos de IA, agentes autónomos y sistemas automatizados que necesitan acceder al conocimiento empresarial de forma estandarizada, segura y gobernada.

Estos agentes no pueden interpretar informalidades organizativas ni navegar manualmente catálogos técnicos. Necesitan contexto, contratos y reglas claras.

En este escenario, el Knowledge Marketplace se convierte en la guinda del pastel. Es el resultado natural de haber diseñado correctamente la arquitectura de gobierno desde el inicio.

Y es, cada vez más, la fuente de ventaja competitiva real.

Conclusión. Del catálogo al gobierno real

Gobernar no es catalogar. El gobierno técnico no sustituye al gobierno organizativo. El linaje inferido no reemplaza la responsabilidad declarativa. El control reactivo no equivale a diseño preventivo.

Democratizar el conocimiento no significa abrir accesos sin control. Significa hacerlo de forma gobernada, contextualizada, segura y alineada con responsabilidades claras.

Y gobernar la IA no consiste únicamente en registrar modelos. Consiste en garantizar que cada decisión automatizada esté respaldada por datos aprobados, políticas definidas y contratos de uso explícitos.

Anjana no compite con el gobierno técnico nativo de las Plataformas de Datos & IA. Lo eleva a una capa superior de gobierno integral, transversal, agnóstico y orientado al negocio.

Una capa que permite integrar gobierno del dato y gobierno de la IA bajo una misma lógica organizativa. Una capa que habilita la democratización controlada del conocimiento empresarial. Una capa que hace posible que personas y agentes autónomos accedan al conocimiento de forma estandarizada, segura y trazable.

En un mercado cada vez más impulsado por datos, IA y automatización, la diferencia no está en quién tiene más metadatos. Está en quién es capaz de transformar datos y modelos en conocimiento gobernado y activable. Y esa diferencia es estratégica.

]]> https://anjanadata.com/gobernar-no-es-catalogar-entender-el-mercado-antes-de-empezar-una-iniciativa-de-gobierno-del-dato-ia/feed/ 0 I Encuentro Nacional de Espacio de Datos https://anjanadata.com/i-encuentro-nacional-de-espacio-de-datos/ https://anjanadata.com/i-encuentro-nacional-de-espacio-de-datos/#respond Wed, 11 Feb 2026 14:46:55 +0000 https://anjanadata.com/?p=29014

El pasado 29 de enero de 2026, Madrid acogió el I Encuentro Nacional de Espacios de Datos, organizado por el Centro de Referencia en Economía del Dato (CRED) y respaldado por la Secretaría de Estado de Digitalización e Inteligencia Artificial (SEDIA).

El evento confirmó algo que desde Anjana Data llevamos tiempo constatando en proyectos reales: los Espacios de Datos han superado la fase conceptual y entran en una etapa de implementación efectiva.

Ya no se trata de definir qué es un Espacio de Datos, sino de cómo operarlo en producción.

La conversación ha madurado: ahora el reto es ejecutar

Durante las distintas sesiones se abordaron cuestiones clave como interoperabilidad, cumplimiento normativo, soberanía y estándares europeos. Sin embargo, el verdadero desafío no es estratégico, sino operativo:

¿Cómo se despliega técnicamente un Espacio de Datos?
¿Cómo se gobierna en entornos federados?
¿Cómo se garantiza control real sobre el dato cuando múltiples actores participan?

Desde nuestra experiencia desplegando Espacios de Datos reales, sabemos que estas preguntas requieren infraestructura específica, no solo marcos conceptuales.

ADP4DS: Espacios de Datos diseñados para producción

En Anjana Data abordamos los Espacios de Datos desde una perspectiva práctica: dotar a las organizaciones de una plataforma lista para operar entornos federados.

ADP4DS (Anjana Data Platform for Data Spaces) nace precisamente para cubrir ese vacío entre la estrategia institucional y la realidad técnica. No es un marco teórico ni un conjunto de buenas prácticas, sino una plataforma diseñada para:

  • Implementar gobernanza efectiva en entornos distribuidos
  • Integrar estándares europeos como Gaia-X e IDSA
  • Garantizar trazabilidad y control sobre los activos de información
  • Facilitar la interoperabilidad sin perder soberanía

Nuestra aproximación parte de una premisa clara: un Espacio de Datos no es un proyecto piloto, es una infraestructura crítica.

Interoperabilidad real, no declarativa

Uno de los mensajes recurrentes del Encuentro fue la necesidad de avanzar sobre estándares abiertos y arquitecturas federadas.

En nuestra experiencia, la interoperabilidad no se consigue únicamente adhiriéndose a un marco de referencia, sino resolviendo aspectos técnicos concretos:

  • Gestión de identidades y confianza

  • Control de acceso distribuido

  • Políticas de uso del dato

  • Conectividad segura entre participantes

ADP4DS integra estos componentes como parte nativa de la plataforma, permitiendo que las organizaciones operen dentro de un ecosistema federado sin depender de desarrollos ad hoc.

Del discurso de soberanía al control efectivo

La soberanía del dato fue uno de los ejes centrales del evento. Sin embargo, soberanía no significa simplemente alojar datos en territorio europeo.

Significa:

  • Decidir quién accede

  • Bajo qué condiciones

  • Con qué trazabilidad

  • Y con qué capacidad de revocación

En proyectos como el caso real de Evidenze, hemos demostrado que es posible poner en producción un Espacio de Datos con control efectivo sobre los activos compartidos, manteniendo la autonomía de cada participante.

Esa experiencia práctica es la que diferencia una aproximación tecnológica madura de una iniciativa exploratoria.

España acelera. Ahora toca escalar

El I Encuentro Nacional de Espacios de Datos evidencia que España está alineada con la agenda europea y decidida a consolidar sectores estratégicos como salud, industria o movilidad mediante infraestructuras de datos compartidos.

El siguiente paso es escalar.

Escalar implica pasar de pilotos financiados a entornos estables.
Implica industrializar la gobernanza.
Implica operar Espacios de Datos con garantías técnicas, regulatorias y organizativas.

Desde Anjana Data seguiremos contribuyendo a esta transición con una convicción clara:

Los Espacios de Datos no son una promesa futura.
Son infraestructuras que deben funcionar hoy.

Y para ello, necesitan tecnología preparada para producción.

]]> https://anjanadata.com/i-encuentro-nacional-de-espacio-de-datos/feed/ 0 Un Espacio de Datos en producción: el caso real de Evidenze https://anjanadata.com/un-espacio-de-datos-en-produccion-el-caso-real-de-evidenze/ https://anjanadata.com/un-espacio-de-datos-en-produccion-el-caso-real-de-evidenze/#respond Wed, 11 Feb 2026 13:35:38 +0000 https://anjanadata.com/?p=28999 Los Espacios de Datos se están consolidando como una pieza clave para habilitar nuevos modelos de colaboración basados en datos, especialmente en contextos donde la seguridad, el gobierno y el cumplimiento regulatorio son críticos. Sin embargo, uno de los principales retos para los promotores sigue siendo cómo pasar de la estrategia a la operación real en producción.

En este contexto, Evidenze, una compañía que impulsa la investigación clínica mediante Real World Evidence (RWE/RWD) y trabaja con distintos actores del ecosistema sanitario europeo, compartió su experiencia como promotor de un Espacio de Datos durante el webinar “Evidenze Data Space: casos de uso reales y claves para el Kit de Espacios de Datos”.

El webinar tuvo lugar el 14 de enero de 2026, de 12:00h a 14:00h, y mostró cómo es posible desplegar, en un plazo inferior a dos meses, toda la capa de catalogación, gobierno del dato y automatización de la gestión de accesos, utilizando una plataforma tecnológica propietaria, sin desarrollos a medida.

Durante la sesión, Lucía Engo, Directora de Customer Success de Anjana Data, realizó una demo en directo sobre el Espacio de Datos de Evidenze, mostrando cómo Anjana Data Platform for Data Spaces (ADP4DS) actúa como la plataforma tecnológica que soporta la capa de catalogación, gobierno y automatización de la gestión de accesos del Data Space del cliente.

ADP4DS es una plataforma en TRL 9, líder en el mercado español, con múltiples implantaciones y casos de éxito en producción en grandes organizaciones del sector privado y de la Administración Pública, y reconocida por Gartner en el ámbito de Data & Analytics Governance.

Este webinar constituye un ejemplo real y replicable de cómo cualquier organización —pública o privada— puede actuar como promotor de un Espacio de Datos y disponer, en muy poco tiempo, de una infraestructura tecnológica madura, configurable y soportada por fabricante para operar su ecosistema de intercambio de datos.

▶️ Accede aquí a la grabación completa del webinar:

Video

]]> https://anjanadata.com/un-espacio-de-datos-en-produccion-el-caso-real-de-evidenze/feed/ 0 Unboxing: ADP4DS (Anjana Data Platform For Data Spaces) https://anjanadata.com/unboxing-adp4ds-anjana-data-platform-for-data-spaces/ https://anjanadata.com/unboxing-adp4ds-anjana-data-platform-for-data-spaces/#respond Thu, 18 Dec 2025 15:52:31 +0000 https://anjanadata.com/?p=27630 Dentro de la nueva serie de webinars de BAIDATA, titulada “Unboxing”, hemos creado un espacio dedicado a mostrar las soluciones tecnológicas que están transformando los espacios de datos, fomentando la interoperabilidad y fortaleciendo la soberanía digital en diversos sectores. Con esta serie queremos abrir la “caja” de la innovación y analizar, de forma práctica y cercana, cómo distintas organizaciones están construyendo ecosistemas de datos confiables y sostenibles.

Con esta iniciativa  “Unboxing” se convierte en una cita clave para descubrir ideas relevantes, inspirar nuevas colaboraciones, promover el intercambio de conocimiento y visibilizar el valor que aportan las soluciones presentadas y que hacen posible un ecosistema digital más confiable y soberano.

Mario de Francisco Ruiz (CEO de Anjana Data) y Lucía Engo Bermejo (Head of Customer Success de Anjana Data), han sido los encargados de liderar esta nueva serie, presentando ADP4DS (Anjana Data Platform For Data Spaces), un producto desarrollado por esta empresa española para ofrecer a los promotores de Espacios de Datos una herramienta tecnológica “plug and play” para construir un Espacios de Datos de manera rápida y eficiente, evitando desarrollos costosos y permitiendo centrarse en los casos de uso y el modelo de negocio del mismo.

Durante la sesión también se realizó una demostración práctica de la plataforma, mostrando sus principales funcionalidades, la facilidad de uso, la interfaz adaptada a distintos perfiles de participantes y cómo facilita la implementación, operación y administración de un Espacio de Datos.

  • Cumple los requisitos técnicos de los Espacios de Datos según la Orden TDF/1461/2023.
  • Garantiza soberanía y control total de los datos por parte de sus propietarios.
  • Facilita el intercambio seguro mediante contratos digitales legibles por máquina.

Siguiendo los principales estándares y frameworks en Data Management, Regulación y normativa europea, Espacios de Datos y Open Data, ADP4DS brinda una solución integral para implementar y administrar Espacios de Datos en formatos SaaS, PaaS o IaaS. Su arquitectura es escalable, interoperable, modular y abierta, y posibilita la personalización a través de low-code y no-code. La plataforma, que se basa en tecnología consolidada y reconocida en todo el mundo, ofrece una experiencia ajustada a diversos tipos de usuarios, como productores, administradores y consumidores. Proporciona habilidades avanzadas para usuarios expertos y simplifica la implementación, la operación y la gestión con una curva de aprendizaje baja. Además, tiene un modelo de pago por uso flexible que ofrece una cobertura sin límites de conectores y participantes, garantizando la escalabilidad y eficiencia en la administración de los Espacios de Datos.

En la sesión se enfatizó también que ADP4DS es una realidad gracias a la subvención del Plan de impulso de Productos y Servicios, fortaleciendo de esta manera una solución tecnológica completamente española que apoya la soberanía en términos digitales y tecnológicos de todo el ecosistema de datos europeo.

Accede a la grabación y la presentación de la sesión:

Video
Presentación
]]> https://anjanadata.com/unboxing-adp4ds-anjana-data-platform-for-data-spaces/feed/ 0