Desde agosto de 2026, una empresa europea que use inteligencia artificial no solo tiene que explicar qué gana con ella: tiene que poder demostrar cómo la controla. El Reglamento (UE) 2024/1689 —el AI Act— ha entrado en su fase de aplicación efectiva, y con él la conversación de dirección ha incorporado tres palabras que antes vivían solo en el departamento legal: trazabilidad, transparencia y responsabilidad.
Conviene decir algo de entrada, porque circula mucha confusión comercial en torno a esta fecha: el calendario cambió a mitad de camino. Quien esté vendiendo urgencia sin explicar el cambio, o no lo sabe o prefiere que tú no lo sepas.
El AI Act entró en vigor el 1 de agosto de 2024 con un calendario escalonado. Las prohibiciones de prácticas de riesgo inaceptable y las obligaciones de alfabetización en IA se aplican desde el 2 de febrero de 2025. Las obligaciones para modelos de propósito general (GPAI) y la estructura de gobernanza, desde el 2 de agosto de 2025.
El 2 de agosto de 2026 marca dos cosas concretas:
Ahora la parte que cambia el mensaje. En 2026 la Unión aprobó el paquete conocido como Digital Omnibus, que aplazó las obligaciones de los sistemas de alto riesgo: los usos del Anexo III —selección de personal, scoring crediticio, biometría, educación, servicios esenciales— pasan a diciembre de 2027, y los sistemas del Anexo I, la IA embebida en productos ya regulados, a agosto de 2028.
Es decir: si tu sistema es de alto riesgo, tienes más tiempo del que te están diciendo. Si tu sistema interactúa con personas o genera contenido, tienes menos margen del que crees.
Fecha | Qué entra en aplicación | A quién afecta |
2 feb 2025 | Prohibiciones y alfabetización en IA | Todas las organizaciones |
2 ago 2025 | Obligaciones GPAI y gobernanza | Proveedores de modelos de propósito general |
2 ago 2026 | Sanciones GPAI y transparencia (art. 50) | Quien despliega IA que interactúa con personas o genera contenido |
2 dic 2027 | Sistemas de alto riesgo del Anexo III | RRHH, crédito, biometría, educación, servicios esenciales |
2 ago 2028 | Sistemas de alto riesgo del Anexo I | IA embebida en productos ya regulados |
Las sanciones máximas alcanzan los 35 millones de euros o el 7% de la facturación mundial anual, la cifra que resulte mayor. Ese es el número que hace que esta conversación llegue al consejo.
Aquí está el problema real, y no es jurídico. Es de inventario.
Para cumplir cualquier obligación del reglamento hay que empezar por saber qué sistemas de IA hay en la organización, qué hacen, con qué datos y quién es responsable de cada uno. La mayoría de las empresas no puede responder a esa pregunta, porque una parte significativa de su uso de IA nunca pasó por el departamento de tecnología.
El informe Cost of a Data Breach de IBM de 2025 puso número a ese fenómeno: el 20% de las brechas analizadas involucró IA no autorizada dentro de la organización, y esos incidentes añadieron de media 670.000 dólares al coste medio de una brecha, que ese año fue de 4,44 millones. Más revelador todavía: el 97% de las organizaciones que sufrieron un incidente relacionado con IA carecía de controles de acceso adecuados, y el 63% no tenía ninguna política de gobernanza de IA.
Esto conecta con un fenómeno que hemos analizado en detalle: la shadow AI, el riesgo que entra por la tarjeta corporativa [enlace interno]. Herramientas contratadas por un departamento, con datos de clientes dentro, sin visibilidad del CISO ni del DPO. No aparecen en ningún inventario porque nunca hubo un proceso de alta.
Sin inventario, cualquier plan de cumplimiento es un documento sin conexión con la realidad operativa.
El error táctico sería tratar el aplazamiento como una excusa para no hacer nada. Los elementos que exige el reglamento no son burocracia: son las mismas prácticas que hacen que un sistema de IA se pueda operar con seguridad. Quien las implanta por obligación descubre que las necesitaba igualmente.
Inventario de sistemas de IA. Qué modelos y herramientas se usan, en qué proceso, con qué datos, quién es el responsable de negocio y en qué categoría de riesgo cae cada uno.
Clasificación de riesgo por caso de uso, no por herramienta. El mismo modelo puede ser bajo riesgo resumiendo actas y alto riesgo cribando currículums. La clasificación se hace sobre el uso.
Trazabilidad de decisiones. Registro de qué entró, qué salió, qué versión del modelo intervino y qué persona validó. Cuando un sistema ejecuta acciones y no solo sugiere, el registro de auditoría deja de ser buena práctica y pasa a ser el único mecanismo de defensa disponible.
Supervisión humana definida. No «hay una persona revisando», sino: qué decisiones requieren validación, con qué criterio, en qué plazo y qué ocurre si esa persona no está disponible.
Transparencia hacia el usuario. Si alguien está hablando con un sistema, debe saberlo. Si un contenido se generó artificialmente, debe estar marcado.
Documentación técnica y de datos. De dónde vienen los datos de entrenamiento o de contexto, qué limitaciones conocidas tiene el sistema y qué evaluaciones se han hecho.
Para estructurar todo esto no hace falta inventar un marco propio. El AI Risk Management Framework del NIST ofrece el modelo operativo de gestión de riesgo, con un perfil específico para IA generativa que identifica doce categorías de riesgo. La norma ISO/IEC 42001:2023 aporta lo que el NIST no da: un sistema de gestión certificable, que es lo que un cliente corporativo o un auditor va a pedirte que enseñes.
Aquí es donde el debate regulatorio deja de ser jurídico y se convierte en técnico, que es donde nosotros trabajamos.
Un sistema que no fue diseñado para registrar qué hizo no puede añadir trazabilidad como una capa posterior sin tocar su arquitectura. Un sistema sin modelo de permisos granular no puede demostrar quién accedió a qué. Un sistema acoplado a un único proveedor de modelo no puede documentar el cambio de versión, porque no controla cuándo ocurre.
Estas tres cosas —trazabilidad, permisos y capacidad de sustituir el modelo— se deciden en la fase de diseño. Añadirlas después es caro. Diseñarlas desde el principio no lo es.
Es la diferencia entre seguridad *by design* y guardarraíles pegados al final, y es la razón por la que en The Cloud Group la gobernanza y el compliance no se venden como un extra: van incluidos en cada proyecto, con entornos aislados, cifrado en tránsito, control de acceso granular y logs de auditoría de fábrica. Lo desarrollamos en nuestro trabajo sobre riesgos, alucinaciones y gobernanza de IA
Si en la próxima reunión hay que decidir qué hacer con esto, este es el orden que produce resultados:
Lo que no conviene es lo contrario: redactar una política de gobernanza de IA de cuarenta páginas antes de saber qué sistemas tiene la empresa. Se hace mucho, tranquiliza al consejo durante un trimestre y no cambia nada en la operación.
Durante tres años, la pregunta corporativa sobre IA fue «¿qué podemos hacer con esto?». A partir de ahora convive con otra: «¿podemos demostrar cómo lo hacemos?».
La segunda pregunta no frena a nadie. Frena a quien construyó sin arquitectura, sin permisos y sin registro, y ahora descubre que la trazabilidad no se puede añadir con un parche. Para quien diseñó bien, el cumplimiento es documentación de algo que ya existe.
Desde el 2 de agosto de 2026 son efectivos los poderes sancionadores sobre proveedores de modelos de propósito general y las obligaciones de transparencia del artículo 50: informar cuando una persona interactúa con un sistema de IA, marcar el contenido generado artificialmente y declarar el uso de reconocimiento de emociones o categorización biométrica.
Sí. El paquete Digital Omnibus aplazó las obligaciones de los sistemas de alto riesgo: los usos del Anexo III (selección de personal, scoring crediticio, biometría, educación, servicios esenciales) a diciembre de 2027, y los del Anexo I (IA embebida en productos ya regulados) a agosto de 2028. Las obligaciones de transparencia y GPAI no se aplazaron.
Las sanciones máximas alcanzan los 35 millones de euros o el 7% de la facturación mundial anual del ejercicio anterior, la cifra que resulte mayor, para las infracciones más graves relacionadas con prácticas prohibidas.
Por el inventario: qué sistemas de IA existen realmente en la organización, en qué procesos, con qué datos y quién es el responsable de cada uno. Después se clasifica el riesgo por caso de uso, no por herramienta, y se auditan primero los sistemas que tocan datos personales, decisiones sobre personas o dinero.
El AI Risk Management Framework del NIST es un marco voluntario de gestión de riesgo, con un perfil específico para IA generativa; no es certificable. La ISO/IEC 42001:2023 define un sistema de gestión de IA que sí es certificable, y por tanto es lo que un cliente corporativo o un auditor pedirá que se demuestre.
No si se diseña desde el principio. Trazabilidad, control de permisos y capacidad de sustituir el modelo son decisiones de arquitectura: incorporarlas en el diseño tiene coste marginal, añadirlas después de que el sistema esté en producción obliga a rehacer integraciones.
¿Sabes qué sistemas de IA hay realmente en tu organización? Nuestra auditoría de IA diagnostica modelo, datos, trazabilidad y coste: qué salvar, qué reescribir y qué parar. Precio cerrado y entregable por escrito. Solicita el diagnóstico → |
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
