Evaluación de la robustez de modelos de machine learning e IA frente a entradas adversarias, perturbaciones, deriva de datos (data drift) y condiciones operativas anómalas. Incluye pruebas adversarias, pruebas de estrés, análisis de estabilidad predictiva y métricas de resiliencia para verificar la fiabilidad de los modelos en escenarios reales y bajo ataque.