Les dades sintètiques acostumen a arribar amb una promesa tranquil·litzadora: poder provar una eina, analitzar una tendència o compartir material de recerca sense exposar directament les persones que van deixar els registres originals. És una promesa comprensible. Hi ha equips que necessiten practicar abans de posar un servei en marxa, i no sempre és legítim ni necessari obrir l'accés a informació personal. Però convertir els registres en una versió generada no resol automàticament el problema; canvia el lloc on cal mirar. Un conjunt sintètic no és una realitat desinfectada. És una decisió sobre quines relacions mereixen ser imitades, quines irregularitats es poden suavitzar i quines experiències no tindran prou pes per aparèixer.
Aquest matís importa perquè les dades no només serveixen per descriure allò que ja ha passat. També serveixen per assajar allò que una organització farà demà. Si una biblioteca pública prova amb dades artificials un sistema de reserves, si un centre de salut dissenya torns o si una cooperativa calcula una tarifa social, les proves acabaran donant forma a una decisió. Per tant, la pregunta no és només si s'ha eliminat un nom o una adreça. Cal preguntar-se quina imatge de la vida quotidiana ha construït el conjunt, quines dificultats deixa en segon pla i qui haurà de viure amb una decisió que semblava bona dins d'aquella imatge.
Un assaig no certifica el món#
Un assaig pot ser molt útil sense ser una certificació. Aquesta diferència és especialment important quan el resultat de la prova serà utilitzat per justificar una automatització. Imaginem un servei local que vol orientar les persones que demanen suport per a cures. Per no treballar amb expedients reals, crea dades sintètiques a partir d'anys de sol·licituds. Hi apareixen horaris habituals, tipus de demanda freqüents i temps mitjans de resposta. El tauler de prova diu que la nova orientació reduirà les esperes. Tanmateix, els registres de qui va abandonar el tràmit, de qui va haver de demanar ajuda a una altra persona o de qui no va poder usar el canal digital tenen una presència molt més feble.
Un assaig pot ser molt útil sense ser una certificació. Aquesta diferència és especialment important quan el resultat de la prova serà utilitzat per justificar una automatització.
El sistema pot semblar eficaç perquè la dificultat principal ha desaparegut durant la simulació. No cal que ningú hagi actuat amb mala intenció perquè això passi. Els processos administratius registren millor allò que es pot completar que allò que es queda encallat. Si el model aprèn d'aquesta traça i després es genera una còpia ordenada, el que no es va captar tendeix a perdre encara més relleu. Presentar el resultat com una prova d'accessibilitat seria, doncs, excessiu. Com a molt, demostra que el circuit funciona amb la versió registrada de les persones que ja van poder travessar-lo.
Quan la normalitat és una simplificació#
La síntesi ha de simplificar, i no hi ha res sospitós en això per si mateix. Protegir la privadesa sovint implica que els casos poc freqüents no es poden conservar tal com eren. El risc apareix quan la simplificació es presenta com si fos neutral. Les situacions menys comunes poden ser les que revelen una obligació essencial: una persona que canvia sovint de domicili, algú que només pot fer gestions de nit, una família que comparteix dispositiu o una usuària que necessita comunicar-se en una llengua no prevista. Si aquestes situacions es tracten com a soroll estadístic, la còpia sintètica pot oferir una normalitat molt pulcra i, alhora, molt estreta.
No es tracta de demanar una reproducció exacta de cada història. Seria incompatible amb el motiu pel qual s'usen aquestes tècniques. Es tracta de declarar quins interrogants no pot respondre el conjunt. Pot ser apropiat per comprovar la càrrega d'una base de dades, detectar pantalles confuses o provar una integració entre sistemes. Potser no és prou sòlid per afirmar que una nova norma arribarà a persones amb recorreguts inestables. Distingir aquests usos és una manera de cuidar la utilitat, no de limitar-la. Una eina es torna més fiable quan sap explicar el seu marge, no quan promet una representació completa que no pot oferir.
La privadesa no és l'únic dany possible#
La protecció contra la reidentificació continua sent imprescindible. Un conjunt generat amb poca distància respecte de l'original pot retenir combinacions rares, fer visibles grups molt petits o permetre deduccions sobre qui hi era abans. Ara bé, una prova que no reidentifica ningú no és automàticament justa. Un arxiu pot esborrar una barrera lingüística i fer que un disseny retalli el servei d'interpretació. Pot heretar un tracte desigual d'anys anteriors i convertir-lo en una predicció aparentment objectiva. També pot circular sense el context que n'explica els límits i acabar servint una finalitat que cap de les persones afectades hauria pogut discutir.
És més útil pensar en una cadena. Hi ha l'origen: com es van recollir les dades i quina expectativa d'ús hi havia. Hi ha la generació: quines variables s'han conservat, quines categories s'han agrupat i qui ha decidit que la semblança era suficient. I hi ha el desplegament: qui podrà accedir al fitxer, quines conclusions en podrà extreure i com es detectarà una confiança injustificada. Quan cadascuna d'aquestes fases queda en mans diferents i cap no respon per l'efecte total, la paraula «sintètic» es converteix en una coartada per no governar res.
Fer visibles les absències#
Comparar mitjanes, proporcions i gràfics de semblança és una pràctica necessària, però insuficient. Cal afegir una prova que comenci per una pregunta menys còmoda: quina decisió canviaria si aquí no hi veiéssim una determinada situació? Abans de crear el conjunt, l'equip pot seleccionar uns quants escenaris que tinguin conseqüències rellevants: una sol·licitud incompleta, una necessitat d'atenció presencial, una dada que contradiu la classificació prevista o una persona que no pot verificar-se pel canal habitual. No són casos decoratius. Són una manera de comprovar si l'assaig tècnic està fent desaparèixer justament allò que després exigirà una resposta humana.
Aquesta feina millora quan no la fa només qui coneix el model. Les persones que atenen excepcions, les entitats de barri o els equips que reben queixes saben sovint on s'acumula el cansament que no queda registrat. Poden explicar per què una petició aparentment simple requereix tres trucades, o per què una dada absent és el senyal d'una barrera i no el senyal que no hi ha cap necessitat. Incorporar aquest coneixement no és una cerimònia participativa. És una manera d'evitar que la qualitat matemàtica amagui una pobresa de context.
Explicar el límit perquè es pugui discutir#
La documentació hauria de permetre que algú que no va participar en la generació entengui què es pot fer amb el conjunt i què no. No necessita repetir tot el codi ni transformar-se en un manual interminable. Sí que ha de dir quin és el propòsit autoritzat, d'on provenen les dades, quines transformacions han estat decisives, per a quins grups la representació és més feble, quines comprovacions s'han fet i quins usos queden exclosos. També convé fixar una data de caducitat o revisió. Un patró observat en un servei avui pot perdre sentit quan canvien els canals, els preus, la normativa o les condicions de vida.
Fer aquesta explicació accessible té una conseqüència saludable: permet contradir una conclusió. Si una aplicació deixa fora un cas, l'organització no pot limitar-se a dir que «les dades no ho indicaven». Ha de poder saber si aquell cas es va perdre en l'origen, es va diluir durant la síntesi o es va reservar per validar-lo per una altra via. Aquesta traçabilitat no frena la innovació; impedeix que una decisió discreta quedi amagada sota una capa de sofisticació tècnica.
Una alternativa que arribi a temps#
Cap experiment amb dades artificials hauria de ser l'única porta per a una decisió que afecta drets, suport o oportunitats. Abans de desplegar el servei, cal preparar una sortida que sigui real: una revisió humana amb capacitat de modificar el resultat, un canal presencial que no penalitzi ningú o una comprovació amb dades observades sota proteccions més estrictes. La clau és l'equivalència. No és una alternativa si obliga la persona a repetir tota la gestió o si només la retorna al mateix filtre que l'ha exclosa.
També s'ha de decidir amb antelació què obligarà a aturar-se. Si les dades reals comencen a diferir molt de les simulades, si en una zona augmenten les excepcions o si el personal rep una queixa repetida, no n'hi ha prou amb arxivar la incidència. Cal revisar la hipòtesi que la síntesi estava fent creïble. Saber retirar una conclusió feble és una capacitat institucional, no un fracàs del projecte.
Les dades sintètiques poden ser una bona manera d'aprendre sense convertir cada prova en una nova extracció d'informació íntima. El seu valor, però, no depèn només de com s'assemblin als registres d'origen. Depèn de si l'equip és capaç de dir què no hi apareix, per a què no s'han d'utilitzar i qui pot corregir el rumb quan l'assaig deixa de descriure la realitat. Abans d'iniciar el proper projecte, val més fer una pregunta concreta: quina decisió no prendríem només perquè aquesta imitació ens sembla prou convincent? La resposta pot estalviar una injustícia que cap gràfic de qualitat no sabria mostrar.
