Es una técnica de machine learning donde el propio modelo identifica los datos más informativos de un conjunto de datos sin etiquetar y solicita que un humano los etiquete. Es una práctica frecuente en asistentes y modelos que buscan alta precisión de forma eficiente, ya que enfoca el esfuerzo humano de etiquetado solo donde es más necesario. Evita desvíos innecesarios en el entrenamiento y mantiene el foco en mejorar el objetivo principal, midiendo constantemente cómo cada nueva etiqueta contribuye a la precisión y cobertura del modelo.