Encuesta sobre adopción y ética de datos sintéticos para desarrolladores

¡Bienvenido/a! Gracias por participar en esta encuesta sobre prácticas de datos sintéticos. Completar esta encuesta toma aproximadamente 11 minutos. Su participación es completamente voluntaria y puede detenerse en cualquier momento. No hay respuestas correctas o incorrectas: nos interesan sus opiniones y experiencias honestas. Todas las respuestas son confidenciales, anónimas y se informan solo de forma agregada. Los resultados se utilizarán para investigación interna a fin de comprender mejor las necesidades de los desarrolladores en torno a los datos sintéticos.

<p>Para esta encuesta, los <strong>datos sintéticos</strong> se refieren a datos generados artificialmente (p. ej., mediante simulaciones o modelos generativos) destinados a imitar las propiedades estadísticas de los datos reales, protegiendo al mismo tiempo la información sensible o cubriendo vacíos.</p>

En los últimos 12 meses, ¿ha trabajado con datos sintéticos?

• Sí, con regularidad (mensualmente o más)
• Sí, ocasionalmente
• No, pero estoy familiarizado con el concepto
• No, y no estoy familiarizado con él

¿Qué casos de uso de datos sintéticos son más relevantes para usted o su equipo? (Seleccione todos los que correspondan)

• Creación de prototipos o entrenamiento de modelos de ML
• Aumento por desequilibrio de clases
• Compartir preservando la privacidad o cumplimiento normativo
• Pruebas y control de calidad (p. ej., casos límite, eventos raros)
• Registros o telemetría sintéticos para pruebas de carga
• Demostraciones de análisis o entornos de pruebas
• Educación o formación
• Otro (especifique)

¿Qué herramientas o enfoques ha utilizado para generar datos sintéticos? (Seleccione todas las que correspondan)

• Scripts de generación internos
• Bibliotecas de código abierto (p. ej., SDV, SynthCity, ydata-synthetic)
• Plataforma de proveedor (p. ej., Gretel, Mostly AI, Tonic)
• Utilidades de aumento de datos no orientadas a la privacidad
• No he utilizado herramientas directamente (consumí resultados de otros)
• Otro (especifique)

¿Aproximadamente qué porcentaje de los datos en sus proyectos durante los últimos 12 meses fue sintético?

• 0 % (ninguno)
• 1–10 %
• 11–25 %
• 26–50 %
• 51–75 %
• 76–100 %
• No estoy seguro

¿Cuánta fidelidad y utilidad demostrada requiere antes de usar datos sintéticos en producción?

<p>¿Qué tan apropiados son los datos sintéticos para el <strong>entrenamiento y desarrollo de modelos</strong> en su contexto?</p>

<p>¿Qué tan apropiados son los datos sintéticos para la <strong>toma de decisiones en producción</strong> en su contexto?</p>

<p>¿Qué tan apropiados son los datos sintéticos para las <strong>pruebas y el control de calidad</strong> en su contexto?</p>

<p>¿Qué tan apropiados son los datos sintéticos para la <strong>elaboración de informes externos o presentaciones de cumplimiento</strong> en su contexto?</p>

Clasifique sus principales preocupaciones sobre los datos sintéticos, de mayor a menor preocupación.

1. Fuga de privacidad o reidentificación
2. Amplificación de sesgos o problemas de equidad
3. Escaso realismo o utilidad
4. Riesgo regulatorio o de cumplimiento
5. Falta de transparencia o trazabilidad
6. Fuga de secretos o propiedad intelectual

Si el cumplimiento normativo o la privacidad son una prioridad en su trabajo, describa brevemente los tipos de datos o las regulaciones que debe cumplir (p. ej., HIPAA, GDPR, PCI-DSS). Si no aplica, puede omitir esta pregunta.

¿Qué tan probable es que aumente su uso de datos sintéticos en los próximos 6 meses?

¿Qué factores limitan más su uso de datos sintéticos en la actualidad? (Seleccione todos los que correspondan)

• Dificultad para evaluar la calidad o las métricas
• Cobertura de dominio limitada
• Brechas de herramientas o integración
• Restricciones de cómputo o costo
• Escepticismo o falta de aceptación de las partes interesadas
• Incertidumbre política o legal
• Sin necesidad clara
• Otro (especifique)

Clasifique las siguientes mejoras según cuánto acelerarían la adopción de datos sintéticos en su organización, de mayor a menor impacto.

1. Mejores métricas de calidad y validación
2. Mayor cobertura de dominios y tipos de datos
3. Integración más sencilla con las canalizaciones existentes
4. Menores requisitos de costo o cómputo
5. Orientación o plantillas legales y de políticas claras
6. Puntos de referencia independientes y estudios de caso
7. Guías de formación y de mejores prácticas

En función de sus respuestas en esta encuesta, comparta cualquier reflexión adicional sobre sus límites, casos de uso ideales o expectativas respecto a los datos sintéticos.

Nos gustaría explorar algunas de sus respuestas con mayor profundidad. Un moderador de IA le hará hasta 2 breves preguntas de seguimiento basadas en lo que ha compartido hasta ahora.

¿Cuál describe mejor su función principal?

• Ingeniero de software
• Ingeniero de ML/IA
• Científico de datos
• Ingeniero de plataformas de datos/ML
• Ingeniero de seguridad/privacidad
• Gerente de producto o ingeniería
• Investigador/académico
• Otro (especifique)

¿Cuántos años de experiencia profesional tiene en funciones de software o datos?

• 0–1 años
• 2–4 años
• 5–9 años
• 10–14 años
• 15+ años

¿Cuál es su dominio o industria principal?

• Tecnología
• Finanzas/FinTech
• Salud/Ciencias de la vida
• Comercio minorista/Consumo
• Telecomunicaciones/Medios
• Manufactura/Industrial
• Gobierno/Sector público
• Educación
• Otro

¿Cuál es el tamaño aproximado de su organización (plantilla global)?

• 1–9
• 10–49
• 50–249
• 250–999
• 1.000–4.999
• 5.000–19.999
• 20.000+

¿En qué región trabaja principalmente?

• América del Norte
• América Latina
• Europa
• Oriente Medio
• África
• Asia del Sur
• Asia Oriental
• Sudeste Asiático
• Oceanía

¡Gracias por participar! Su aportación nos ayuda a comprender las necesidades y consideraciones prácticas en torno a los datos sintéticos. Si tiene alguna pregunta sobre esta investigación, comuníquese con [research team email].