Documentación
Todo lo que necesita para integrar la monitorización de cumplimiento de IA en sus aplicaciones.
Primeros Pasos
Cree una cuenta
Regístrese para obtener una cuenta gratuita de Neural Detective y acceder al panel de monitorización y las claves API.
Genere una clave API
Desde el panel de monitorización, cree una clave API. Inclúyala como token Bearer en todas las solicitudes a la API.
Realice su primera llamada a la API
Registre una decisión, registre un modelo o escanee texto en busca de riesgos de seguridad. Consulte el ejemplo a continuación.
curl -X POST https://api.neuraldetective.com/api/v1/decisions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model_id": "your-model-uuid",
"inputs": { "applicant_id": "eu-7291" },
"output": { "decision": "approved", "confidence": 0.87 }
}'Por Qué Es Importante
El cumplimiento en IA no es opcional — y el coste de hacerlo mal está aumentando rápidamente.
Cumplimiento del EU AI Act
Los sistemas de IA de alto riesgo deben demostrar monitorización continua y pruebas de sesgo. Las multas alcanzan hasta 35 millones de euros o el 7% de la facturación global.
Degradación Silenciosa del Modelo
La deriva degrada las predicciones silenciosamente. Un modelo de préstamos puede aprobar créditos erróneos durante meses antes de que alguien lo detecte.
Riesgo de Sesgo y Discriminación
La responsabilidad por impacto dispar no requiere intención. La regla de los 4/5 es utilizada por reguladores a ambos lados del Atlántico.
Seguridad del Contenido y Confianza
La filtración de PII, salidas tóxicas o la ausencia de avisos de seguridad en contenido generado por IA crean riesgos legales y de marca.
Qué Medimos
Tres capacidades que cubren toda la superficie de riesgo de IA — desde la deriva de datos hasta la seguridad del contenido.
Detección de Deriva
Detecte cambios en la distribución antes de que degraden las predicciones.
Índice de Estabilidad Poblacional
Compara las distribuciones de entrada en vivo con las líneas base de entrenamiento. Un valor superior a 0,25 indica un cambio significativo.
Divergencia de Jensen-Shannon
Medida de divergencia simétrica en una escala de 0 a 1. Funciona bien para características categóricas.
Distancia de Wasserstein
Mide la magnitud del cambio de distribución para características continuas.
Estimación de Rendimiento Basada en Confianza
Estima la precisión sin etiquetas de verdad fundamental utilizando las puntuaciones de confianza del modelo.
Monitorización de Sesgo
Cuantifique la equidad y produzca evidencia lista para auditoría.
Ratio de Impacto Dispar
Compara las tasas de resultados favorables entre grupos. El umbral de la regla de los 4/5 es un ratio de 0,8 o superior.
Tasas de Resultados por Grupo
Desglose por atributo (género, grupo de edad, etc.) para evidencia de auditoría e informes regulatorios.
Escaneo de Seguridad
Un pipeline de tres niveles que equilibra velocidad con profundidad.
Nivel 1 — Reglas y PII
Patrones regex y detección de PII. Se ejecuta en aproximadamente 5 ms.
Nivel 2 — Clasificadores ML
Clasificadores de toxicidad y políticas de contenido. Se ejecuta en 50–200 ms.
Nivel 3 — Juez LLM
Evaluación opcional con modelo de lenguaje grande para casos matizados. Se ejecuta en 500 ms – 3 s.
Qué detecta
Lenguaje tóxico, discurso de odio, PII (correos electrónicos, números de teléfono, SSNs), intentos de inyección de prompts, ausencia de avisos de seguridad y contenido fuera de tema.
Cómo Se Mantiene Informado
Desde paneles de control hasta eventos webhook — sepa al instante cuando algo cambia.
Panel de Control en Tiempo Real
Tendencias de deriva, historial de alertas y veredictos de escaneo — filtrable por modelo y rango de tiempo.
Informes de Cumplimiento
Informes de cinco secciones exportables a PDF que cubren resumen ejecutivo, salud del modelo, seguridad, alertas y uso.
Alertas Configurables
Establezca umbrales de advertencia y críticos por métrica con períodos de enfriamiento para evitar la fatiga de alertas.
Notificaciones por Webhook
Eventos alert.created firmados con HMAC entregados a su endpoint para Slack, PagerDuty o integraciones personalizadas.
Resumen de la API
La API de Neural Detective está organizada en torno a tres capacidades.
Decisiones y Modelos
Registre modelos de IA, grabe decisiones y suba líneas base de entrenamiento para la detección de deriva.
Permite la detección de deriva y el registro de auditoría requerido por el Artículo 12 del EU AI Act.
/api/v1/decisions
Registre una decisión de IA para monitorización y detección de deriva.
/api/v1/models
Registre un nuevo modelo para monitorización.
/api/v1/models
Liste todos los modelos monitorizados.
/api/v1/models/:id
Obtenga los detalles de un modelo individual.
/api/v1/models/:id/baselines
Suba la línea base de entrenamiento para detección de deriva.
Escaneo de Seguridad
Escanee texto generado por IA en busca de contenido dañino, tóxico o no conforme en tiempo real o de forma asíncrona.
Previene la filtración de PII y contenido tóxico antes de que llegue a sus usuarios en producción.
/api/v1/scans
Escanee texto en busca de contenido dañino (síncrono).
/api/v1/scans/async
Escanee texto en busca de contenido dañino (asíncrono).
Monitorización de Sesgo
Asocie atributos protegidos a decisiones para habilitar el análisis de impacto dispar e informes de equidad.
Documenta la equidad para la regla de los 4/5 y los requisitos de no discriminación del EU AI Act.
/api/v1/protected_attributes
Asocie atributos protegidos para monitorización de sesgo.
Autenticación
Todas las solicitudes a la API requieren un token Bearer. Incluya su clave API en la cabecera Authorization de cada solicitud.
Authorization: Bearer YOUR_API_KEYWebhooks
Reciba notificaciones en tiempo real cuando se activen alertas — como superaciones de umbrales de deriva o eventos de detección de sesgo. Configure los endpoints de webhook desde el panel de monitorización.
alert.created
Fired when a new alert is created (e.g. drift threshold exceeded, bias detected).
¿Listo para comenzar?
Cree una cuenta gratuita para acceder a la referencia completa de la API, generar claves API y comenzar a monitorizar sus modelos de IA.