Resumen: La comunidad de investigación de IA explicable (XAI) ha propuesto numerosos métodos técnicos, pero implementar la explicabilidad como sistemas sigue siendo un desafío: los sistemas de explicación interactiva requieren tanto algoritmos adecuados como capacidades del sistema que mantengan la usabilidad de la explicación a través de consultas repetidas, modelos y datos en evolución y restricciones de gobernanza. Argumentamos que hacer operativa XAI requiere tratar la explicabilidad como un problema de sistemas de información donde las demandas de interacción del usuario inducen requisitos específicos del sistema. Presentamos X-SYS, una arquitectura de referencia para sistemas de explicación interactiva, que guía a los investigadores, desarrolladores y profesionales de (X)AI en la conexión de interfaces de usuario de explicación interactiva (XUI) con las capacidades del sistema. X-SYS se organiza en torno a cuatro atributos de calidad denominados STAR (escalabilidad, trazabilidad, capacidad de respuesta y adaptabilidad) y especifica una descomposición de cinco componentes (servicios XUI, servicios de explicación, servicios de modelo, servicios de datos, orquestación y gobernanza). Asigna patrones de interacción a las capacidades del sistema para desacoplar la evolución de la interfaz de usuario del cálculo backend. Implementamos X-SYS a través de SemanticLens, un sistema de búsqueda semántica y dirección de activación en modelos de visión-lenguaje. SemanticLens demuestra cómo los límites de los servicios basados en contratos permiten una evolución independiente, la separación fuera de línea/en línea garantiza la capacidad de respuesta y la gestión del estado persistente respalda la trazabilidad. En conjunto, este trabajo proporciona un modelo reutilizable y una creación de instancias concretas para sistemas de explicación interactivos que respaldan el diseño de un extremo a otro bajo restricciones operativas.
Publicado originalmente en export.arxiv.org el 15 de febrero de 2026.
Ver fuente original
