Este es un diseño para el archivo README.md de tu proyecto. Está estructurado para ser visualmente atractivo en plataformas como GitHub, reflejando la temática de ciberseguridad, privacidad e inteligencia artificial que presenta el código HTML.
Este repositorio contiene una infografía interactiva de alto impacto diseñada para visualizar los hallazgos del estudio de la Universidad de Stanford sobre las políticas de privacidad de los seis principales desarrolladores de modelos de lenguaje (LLMs) en EE.UU.
El proyecto transforma datos técnicos complejos y documentos legales (28 políticas de privacidad revisadas) en una experiencia de usuario (UX) intuitiva y moderna. El objetivo es concienciar sobre cómo las empresas de IA recopilan, retienen y utilizan los datos de los usuarios para el entrenamiento de modelos.
- Entrenamiento por defecto: 6 de cada 6 empresas analizadas utilizan datos de usuario para entrenar sus modelos de forma predeterminada.
- Alcance masivo: El análisis cubre herramientas utilizadas por más de 700 millones de usuarios.
- Transparencia: Evaluación de las "zonas grises" en la retención de datos y la protección de menores.
La interfaz ha sido desarrollada priorizando la accesibilidad (WCAG 2.4.7) y el rendimiento visual sin dependencias externas pesadas:
-
HTML5 & CSS3 Avanzado: Uso extensivo de CSS Custom Properties (Design Tokens), Glassmorphism y animaciones fluidas.
-
Arquitectura UX: * Diseño Mobile-first y totalmente responsivo.
-
Modo de alto contraste y soporte para reducción de movimiento.
-
Navegación optimizada mediante Sticky Nav y enlaces de salto.
-
Visualización de Datos:
-
Mapas de calor (Heatmaps) interactivos.
-
Matrices de puntos para fuentes de entrenamiento.
-
Barras de progreso animadas para puntajes de riesgo.
-
Tipografía: Integración de fuentes especializadas (Syne, Lora y JetBrains Mono) para diferenciar jerarquías de información.
El archivo index.html está organizado en secciones modulares:
- Hero Section: Estadísticas macro y contexto del estudio (arXiv:2509.05382).
- Empresas: Tarjetas interactivas de los desarrolladores (OpenAI, Google, Meta, Anthropic, etc.).
- Prácticas: Comparativa detallada de acciones de privacidad.
- Retención: Visualización de tiempos de guardado de información.
- Menores: Sección de alerta sobre datos de niños y adolescentes.
- Recomendaciones: Propuestas para mejorar la transparencia en la industria.
- Clona este repositorio:
git clone https://github.com/tu-usuario/priv-llm-2025.git
- Abre el archivo
index.htmlen cualquier navegador moderno. No requiere servidor local ni compilación de scripts.
El contenido de esta herramienta se basa en el análisis académico:
Stanford University (2025). Análisis interactivo de políticas de privacidad de desarrolladores frontier de IA. arXiv:2509.05382.
¿Te gustaría que añadiera instrucciones específicas sobre cómo desplegarlo en GitHub Pages o que profundice en la explicación de algún componente CSS?