MAY-EXP-06 · Mayagüez

MAY-EXP-06 — Gobernanza adaptativa frente a CAB/gobernanza uniforme

Contexto

Las políticas uniformes de aprobación imponen la misma fricción a cambios de riesgo dispar, y la automatización indiscriminada debilita el control sobre cambios peligrosos. Este experimento evalúa la propuesta del Modelo Mayagüez: modular la intensidad del control según riesgo, madurez y evidencia (contribución: demostrar que la autonomía puede condicionarse por evidencia, AI = Trust − Risk).

Diseño científico

RQ06: ¿Gobernanza adaptativa reduce fricción sin deterioro material de confiabilidad/cumplimiento? Unidad experimental: solicitud de cambio. Brazos: CAB_UNIFORM (revisión humana uniforme), POLICY_UNIFORM (política automatizada uniforme), MAYAGUEZ_ADAPTIVE (FAST_TRACK / AUTOMATED_GATES / HUMAN_REVIEW). H0: la gobernanza adaptativa no reduce fricción y/o no es no inferior. Subhipótesis: H1a, H1b, H1c, H1d. Ground truth: risk/trust/autonomy_index del generador sintético. Amenazas: pesos no congelados, comparador de NI pendiente, validez externa limitada (datos sintéticos).

Modelo matemático

Ri=w1Ci+w2Xi+w3Bi+w4Hi+w5Pi+w6(1−Ti)R_i = w_1 C_i + w_2 X_i + w_3 B_i + w_4 H_i + w_5 P_i + w_6(1-T_i)
Trusti=λ1Mi+λ2Ei+λ3EBi+λ4PCi+λ5OiTrust_i = \lambda_1 M_i + \lambda_2 E_i + \lambda_3 EB_i + \lambda_4 PC_i + \lambda_5 O_i
AI_i = Trust_i - Risk_i,\quad Decision_i=egin{cases} ext{FAST\_TRACK} & AI_i\ge 0.20\ ext{AUTOMATED\_GATES} & -0.15 \le AI_i < 0.20\ ext{HUMAN\_REVIEW} & AI_i < -0.15\end{cases}
NI: UpperCI95%(ΔCFR)<0.03,UpperCI95%(ΔViol)<0.02NI:\ UpperCI_{95\%}(\Delta_{CFR}) < 0.03,\quad UpperCI_{95\%}(\Delta_{Viol}) < 0.02

Criterios de aceptación

MétricaOperadorUmbralFuente
CFRNI0.03preregistration.json
ViolationRateNI0.02preregistration.json
ApprovalLeadTime<PENDIENTE_DE_DEFINICION—
MIR<PENDIENTE_DE_DEFINICION—

Variables

  • unit_id [IDENTIFIER] (—) — Identificador único de la solicitud de cambio
  • arm [INDEPENDENT] (—) — Brazo experimental
  • criticality [COVARIATE] (0–1) — Criticidad del servicio afectado
  • exposure [COVARIATE] (0–1) — Exposición a producción/usuarios
  • blast_radius [COVARIATE] (0–1) — Alcance potencial del fallo
  • incident_history [COVARIATE] (0–1) — Historial normalizado de incidentes
  • policy_risk [COVARIATE] (0–1) — Riesgo de política del cambio
  • test_coverage [COVARIATE] (0–1) — Cobertura de pruebas (entra como 1−T al riesgo)
  • maturity [COVARIATE] (0–1) — Madurez DevSecOps del equipo
  • evidence [COVARIATE] (0–1) — Calidad de evidencia aportada
  • error_budget [COVARIATE] (0–1) — Salud del Error Budget (SRE)
  • policy_compliance [COVARIATE] (0–1) — Cumplimiento de políticas
  • observability [COVARIATE] (0–1) — Nivel de observabilidad del servicio
  • approval_minutes [DEPENDENT] (minutos) — Approval Lead Time
  • failed_change [DEPENDENT] (bool) — Fallo del cambio desplegado
  • control_violation [DEPENDENT] (bool) — Violación de control
  • evidence_completeness [EVIDENCE] (0–1) — Completitud de la evidencia
  • human_intervention [DEPENDENT] (bool) — Intervención humana en la aprobación

Flujo científico

Problema → RQ → Hipótesis → Datos → Procesamiento → Métrica → Prueba estadística → Evidencia → Claim