Umbrales: precisión frente a cobertura

Un detector se equivoca de dos maneras. Un falso negativo es un dato personal que no detecta y sale en claro. Un falso positivo es algo que tapa sin ser un dato personal. La cobertura (en inglés, recall) mide qué parte de los datos reales encontró: verdaderos positivos entre verdaderos positivos más falsos negativos. La precisión mide qué parte de lo que tapó era de verdad un dato personal: verdaderos positivos entre verdaderos positivos más falsos positivos.

Las dos se mueven en sentido contrario cuando se toca el umbral, y por eso no se elige el umbral «que mejor funciona», sino el que deja cada error dentro de lo que el negocio acepta. Cuando el texto sale hacia un proveedor externo, un falso negativo es una fuga que ya no se puede deshacer; un falso positivo es una molestia que se ve y se corrige.

La política fija una cobertura mínima por tipo. Para saber si el filtro la cumple con el umbral que tiene en producción, se busca la fila de ese umbral en el barrido y se aplica la fórmula. Escribe el resultado con tres decimales si hace falta.

Un umbral único para todos los tipos supone que todos los reconocedores puntúan igual, y casi nunca es así: un patrón de celular con un formato muy marcado y un modelo de entidades que adivina nombres reparten sus puntuaciones de forma muy distinta. Con el mismo umbral, a uno le sobra y a otro le falta. Revisa, con el umbral de producción, qué tipo cumple las dos reglas de la política.

Bajar el umbral sube la cobertura, pero no gratis: cada paso hacia abajo deja entrar más falsos positivos, y la precisión mínima pone un suelo. El umbral correcto para un tipo es uno que cumple las dos reglas; si hay varios, el más alto, porque tapa menos de más.

Con las cuentas hechas, la decisión deja de ser una opinión. Queda por elegir cómo se lleva a producción.