Declaración de Transparencia en IA
Esta declaración explica qué hacemos con los datos que aportás como participante en relación con sistemas de inteligencia artificial. Se alinea con los principios de transparencia del EU AI Act (en vigor 2026) y mejores prácticas de IA responsable.
1. Qué hacemos con los videos
Los videos que grabás se usan para entrenar, validar y evaluar modelos de visión por computadora — específicamente modelos que aprenden a reconocer acciones humanas en primera persona (Point-of-View / POV) en entornos domésticos.
El producto final es un dataset (colección estructurada de videos + metadatos) que se entrega a clientes empresariales que entrenan sus propios modelos de IA.
2. Qué NO hacemos
- NO te identificamos a vos personalmente en los modelos. El dataset está orientado a la tarea (limpiar, ordenar, cocinar), no a la identidad del grabador.
- NO usamos tus videos para reconocimiento facial. La política de exclusión de rostros (ver documento separado) define los controles que aplicamos.
- NO inferimos información sobre vos individualmente (estado de ánimo, preferencias, perfil personal). Solo entrenamos sistemas que reconocen acciones genéricas.
- NO usamos tus videos para publicidad personalizada.
3. Categorías de sistemas de IA que entrenamos
Bajo la clasificación del EU AI Act, los datasets de Kemma Cap pueden alimentar:
- Sistemas de propósito general (general-purpose AI) — modelos fundacionales de visión.
- Sistemas de riesgo limitado — asistentes en robótica doméstica, automatización de tareas del hogar.
- Sistemas de investigación académica — universidades y laboratorios de IA.
Los clientes que reciben datasets firman un Data Processing Agreement (DPA) que restringe el uso a fines no orientados a identificación individual.
4. Conformación de training / eval sets
Los videos aprobados se distribuyen entre:
- Training set (~70%): usado para entrenar modelos. Se anonimiza removiendo metadatos directos del participante.
- Validation set (~15%): para ajustar hiperparámetros sin contaminación del training.
- Test/Eval set (~15%): reservado para medir performance final. Nunca se ve durante el entrenamiento.
La asignación es aleatoria estratificada por tipo de tarea, no se basa en quién grabó.
5. Información que extraemos automáticamente
- Posición de manos (hand tracking — 21 keypoints por mano).
- Profundidad de la escena (depth estimation).
- Calidad técnica del video (blur, iluminación, motion, encuadre).
- Match con la tarea pedida (clasificación de actividad).
Estos procesamientos se hacen en Modal.com (cómputo en USA, encriptado). NO extraemos características faciales ni biométricas.
6. Decisiones automatizadas
Algunas decisiones se hacen con apoyo de IA (auto-QC: blur, iluminación, exposición de datos sensibles). Cuando un video es rechazado automáticamente, recibís el motivo y podés:
- Apelar la decisión a un revisor humano.
- Re-grabar y volver a enviar.
- Solicitar revisión manual escribiendo a soporte.
Esto cumple GDPR Art.22 (derecho a no estar sujeto a decisiones únicamente automatizadas).
7. Modelos de Kemma Cap (versiones)
Para transparencia técnica, estos son los modelos que procesan tus videos actualmente:
- QC: 10 modelos pre-entrenados de detección (blur, face, lighting, motion, etc.). MIT / Apache.
- Depth:
kemma_depth_interior_v1— perfil interno de Kemma Cap para interiores domésticos POV. Compone una base estable de geometría con un selector SAM (Meta, Apache 2.0) + Depth Pro (Apple, MIT) para calibración por región. Cuando la confianza del selector cae, ese segmento se sirve con la base sin forzar cambios. - Hand Tracking: MediaPipe Hands (Google, Apache 2.0).
Los modelos se actualizan periódicamente; las versiones activas se publican en documentación operativa interna y se notifican a clientes empresariales bajo acuerdo.
8. Datos sintéticos
NO generamos videos sintéticos a partir de tu cara, voz, o características personales. Todo lo que entregamos al cliente son grabaciones genuinas con tu consentimiento.
9. Tu rol en la mejora de los sistemas
Al participar contribuís al avance de la inteligencia artificial aplicada a tareas humanas. Tu compensación es por hora validada de video, no por uso posterior del modelo entrenado.
Si el modelo entrenado a partir de tu data tiene éxito comercial, eso NO te genera royalty adicional (no es un contrato de licencia continua sobre tu material). Esto está explicado en el consentimiento y los términos del servicio.
10. Contacto
Consultas sobre transparencia de IA: legal@kemmacap.com