El proyecto Data Sentinel se presenta como una plataforma analítica crucial para el reto Agente Datos Abiertos de MinTIC en Datos al Ecosistema 2025, abordando la necesidad crítica de optimizar el uso de activos de datos mediante la automatización de la auditoría de calidad y riesgo, lo cual impacta directamente la toma de decisiones institucionales y la planificación sectorial. Este sistema resuelve la problemática de la ineficiencia en la gestión de metadatos (evitando el uso de datos de baja calidad, el riesgo regulatorio y la ineficiencia de recursos) al aplicar una arquitectura híbrida: un motor de riesgo heurístico que calcula un Score de Prioridad de Riesgo basado en reglas de negocio; algoritmos de Machine Learning de scikit-learn (K-Means e Isolation Forest) para segmentar y detectar anomalías; y un Agente RAG potenciado por el cliente google-genai (Gemini 2.5 Flash) que interpreta los hallazgos a través de una base de conocimiento pre-procesada para garantizar diagnósticos complejos de forma eficiente. La plataforma permite a las instituciones priorizar la intervención al identificar activos de alto riesgo, segmentar estratégicamente por calidad y facilitar la comprensión de las métricas complejas, contribuyendo así a asegurar que los datos utilizados en la planificación sectorial sean confiables y de alto valor.