Las masas concursales como datos de entrenamiento para la IA

Cuando una empresa se liquida, todo su fondo documental pasa a un administrador concursal: años de correspondencia, contratos, facturas y asientos. Bajo mandato por escrito de ese administrador, el fondo puede someterse a verificación de derechos, anonimizarse y licenciarse como datos de entrenamiento para la IA. Este es el canal de obtención fundacional de TGDC.

Fuente

Fondos documentales de empresas europeas liquidadas

Autorización

Mandato del administrador por escrito antes de que se mueva un solo archivo

Alcance habitual

Décadas de correspondencia, contratos, asientos y formularios

Qué contiene un fondo documental

Una sola empresa liquidada deja tras de sí todo el rastro documental de su vida operativa: correspondencia electrónica con clientes y proveedores, contratos firmados y sus adendas, facturas y reclamaciones de pago, asientos y cuentas de cierre, expedientes de personal y los documentos procesales de la propia liquidación. A diferencia de una recolección web, un fondo es coherente. Las mismas contrapartes, operaciones y litigios recorren miles de documentos a lo largo de años. Esa es exactamente la estructura longitudinal que la IA documental necesita aprender, y ningún conjunto de datos público la contiene.

La vía jurídica

• Mandato del administrador. El administrador concursal dispone del activo de la masa, incluidos sus datos. La licencia solo procede mediante mandato por escrito del administrador.
• Verificación de derechos. Antes de entregar nada, cada corpus pasa un examen sobre titularidad, material de terceros y límites legales: qué puede licenciarse y bajo qué condiciones.
• Anonimización. Las entidades nombradas, los datos personales y los identificadores comerciales se eliminan o se seudonimizan de forma determinista, de modo que las referencias cruzadas sigan siendo coherentes sin exponer a partes reales. Cada lote se verifica y un informe acompaña la entrega.

El resultado es un corpus lícito y útil a la vez. La titularidad la resuelve el mandato del administrador, y la verificación de derechos establece qué puede licenciarse del fondo. El informe de anonimización cubre la privacidad y se redacta para cada lote. Todo ello consta por escrito antes de que algo llegue a un comprador.

Por qué estos datos importan para la IA

Todo lo rastreable públicamente ya está dentro de cada modelo de frontera. Los datos de un fondo nunca estuvieron en línea, por lo que son genuinamente inéditos. Eso resulta valioso en dos papeles distintos. Como material de entrenamiento, aportan señal en lugar de repetición. Como sustrato de evaluación y de entornos de RL, están libres de la contaminación que de otro modo invalidaría los resultados. Y por tratarse de trabajo operativo real y no de texto curado, conservan el ruido, la ambigüedad y los casos límite que hacen robusto el comportamiento aprendido en producción.

Cómo se presenta como producto

TGDC entrega los fondos como corpus licenciados: archivos con cadena de custodia documentada, extractos estructurados según el esquema del cliente y conjuntos de evaluación reservados. Cada entrega incluye la cadena de titularidad por escrito desde el mandato del administrador, además del informe de anonimización por lote. Los compradores pueden rastrear cada elemento hasta una autorización. Esa es la trazabilidad que las obligaciones de documentación del Reglamento europeo de IA exigen cada vez más.