XIII Congreso GIGAPP · Alcalá de Henares · 16–23 septiembre 2026
Estandarización ágil y agentes de IA
Normalizando en tiempo real el ecosistema de datos abiertos
Alberto Abella
Líder de Smart Data Models · Fundación Cotec · @aabella
GIGAPP 2026
El problema
La IA abarata publicar datos... y multiplica su dispersión
Antes
Semanas de trabajo especializado para programar un conector o un esquema de datos.
Ahora
Minutos: un agente de IA genera el esquema, sin referencia al que ya usa el municipio vecino.
Ejemplo: representar algo tan simple como una parada de autobús admite ya decenas de variantes de facto en España, antes incluso de la IA generativa.
2 · Estandarización ágil y agentes de IA
GIGAPP 2026
3 · Estandarización ágil y agentes de IA
GIGAPP 2026
Marco teórico
Cuando el consenso tarda más que el mercado
18–30
meses: plazo típico de un estándar ISO / CEN / UNE
01
Gobernanza por consenso exhaustivo y ciclos de revisión pública: legítima, pero deliberadamente lenta.
02
Mientras se espera, ya circulan variantes de facto con base de adopción propia, generadas con ayuda de la IA (o sin ella).
03
Riesgo estructural: irrelevancia progresiva, no por falta de rigor técnico, sino por llegar sistemáticamente tarde.
Marco teórico
Manifesto for Agile Standardization: 7 principios
1. Agilidad
Días o semanas, no años: la validación pasa del comité al uso real.
2. Reutilización
No reinventar la rueda: crear solo si no existe ya una solución abierta.
3. Casos reales
Normalizar solo lo que ya demostró su utilidad en casos reales (mercado o equivalente).
4. Apertura
Licencia libre: sin barreras contractuales que frenen la adopción.
5. Generalización
Mínimos atributos obligatorios; máxima cobertura de casos de uso.
6. Autocontención
"Flat, not deep": menos dependencias externas, más resiliencia.
7. Sostenibilidad
Consistencia mantenida en el tiempo, no un proyecto con fecha de fin.
1800
modelos ya aplican estos principios
4 · Estandarización ágil y agentes de IA
GIGAPP 2026
5 · Estandarización ágil y agentes de IA
GIGAPP 2026
Esquemas JSON Schema + contextos NGSI-LD, en más de 10 dominios: ciudades inteligentes, energía, agua, agroalimentación, salud, turismo, logística...
Proceso ligero: sin comité de aprobación previo, validación automática por integración continua. Una única aprobación humana tras pasar con éxito la validación automatizada.
Gobernanza compartida: FIWARE Foundation, TM Forum, OASC e IUDX, abierta a nuevos casos de uso genuinos.
Caso de estudio
Dominios (selección)
SmartCities
Energy
Water
Agrifood
Water
Health
Tourism
Logistics
Robotics
Sensoring
Manufacturing
Environment
Aeronautics
Smart Data Models: la implementación de referencia
Caso de estudio
El Candidates Repository también rescata dispersión heredada
29
estándares traducidos
385
modelos de datos (sept. 2026)
Gaia-X
165 clases del marco europeo de confianza para espacios de datos federados, traducidas íntegramente.
EDINT
Espacio de datos español para infraestructuras urbanas inteligentes, mapeado al completo.
Tráfico de Madrid
Modelo construido directamente de un dataset real, sin ontología previa.
6 · Estandarización ágil y agentes de IA
GIGAPP 2026
Agentes de IA
De semanas a minutos: el motor definitivo de agilidad
PASO 1
Identificar
Estructura del dataset: columnas, tipos, unidades.
PASO 2
Consultar
El catálogo de Smart Data Models, para evitar duplicar.
PASO 3
Adaptar
Cambios mínimos si el ajuste es solo parcial.
PASO 4
Generar
Contexto semántico y ejemplos de instancia.
La normalización deja de ser un cuello de botella posterior a la publicación y pasa a ser simultánea a ella. Solo los casos genuinamente ambiguos requieren revisión humana.
7 · Estandarización ágil y agentes de IA
GIGAPP 2026
Aplicación crítica
spain.meloda.org: monitor de datos abiertos de España
200.000+
datasets agregados
~1M
recursos evaluados
44+
portales activos
MELODA 5 · 8 dimensiones evaluadas semanalmente
Licencia
Acceso
Estándar técnico
Nivel de estandarización
Geolocalización
Actualización
Difusión
Reputación
Acceso mediante API y protocolo MCP (Model Context Protocol): los agentes de IA consultan, evalúan y seleccionan datasets de forma autónoma, sin rastrear manualmente decenas de portales.
8 · Estandarización ágil y agentes de IA
GIGAPP 2026
Fricciones y discusión
Ninguna pieza basta por sí sola
La ironía del harvesting
Portales que declaran sus datos "abiertos" bloquean, sin quererlo, el consumo intensivo de agentes de IA: sus cortafuegos no distinguen uso legítimo a escala de un ataque de denegación de servicio.
Bloqueos de IP, errores genéricos y autenticación exigida a posteriori, constatados al construir spain.meloda.org.
La conclusión más defendible
Estandarización ágil, agentes de IA y métricas de calidad, por separado, no eliminan la dispersión estructural del ecosistema.
Juntas, desplazan el equilibrio: de la dispersión inercial hacia una interoperabilidad alcanzable, aunque nunca completa.
9 · Estandarización ágil y agentes de IA
GIGAPP 2026
Conclusiones
De datos dispersos a activos estratégicos
Estandarización ágil
Normaliza a la velocidad de la generación de datos.
Agentes de IA
Integran la normalización en el propio acto de publicar.
MELODA
Evalúa y expone la calidad real de lo publicado.
Ninguna, por separado, evitaría la dispersión. Juntas, son la vía más eficaz hoy disponible para contenerla y maximizar el impacto socioeconómico de los datos abiertos en la era de la IA.
Alberto Abella
alberto.abella@meloda.org · @aabella · ORCID 0000-0003-0243-4606
spain.meloda.org
smartdatamodels.org