Una lista de verificación del cumplimiento normativo de la IA debe cumplir cinco funciones antes de que un auditor la acepte: descubrir todos los sistemas y agentes de IA en uso, identificar los datos con los que interactúa cada uno, aplicar controles de acceso y aprobación, supervisar el comportamiento de forma continua y generar evidencias vinculadas a marcos reconocidos. Las normas y los marcos de referencia, como ISO/IEC 42001 y el Marco de Gestión de Riesgos de IA del NIST, estructuran este trabajo. Empiece hoy a elaborar el inventario y recopilar evidencias, no cuando llegue el próximo aviso de auditoría.
En resumen:
- Comience la detección con inventarios de extensiones de navegador, auditorías de conectores SaaS, análisis de dispositivos y tráfico de API; registre el responsable, el proveedor, la versión, los permisos y el estado de aprobación de cada agente.
- Trace el recorrido de los datos de cada agente y clasifique la información sensible; después, priorice los agentes que manejan datos regulados o registros sensibles frente a los que gestionan solicitudes de soporte rutinarias.
- Asigne a cada agente una identidad independiente, credenciales de corta duración y acceso con privilegios mínimos; exija aprobación humana antes de operaciones de escritura, eliminaciones, exportaciones masivas o decisiones de alto riesgo.
- Almacene registros resistentes a manipulaciones que incluyan el agente, la acción, los datos utilizados, la solicitud y la respuesta, la marca de tiempo y el ID de correlación; consérvelos durante los plazos normativos aplicables.
- Vincule los controles a los requisitos de ISO/IEC 42001, NIST AI RMF y EU AI Act; las normas de transparencia comienzan a aplicarse el 2 de agosto de 2026, y las obligaciones de alto riesgo del anexo III, el 2 de diciembre de 2027.
Índice
- La lista de verificación de 12 pasos de un vistazo
- Paso 1: descubrir e inventariar todas las herramientas y agentes de IA
- Paso 2: identificar y clasificar los datos a los que puede acceder cada IA
- Paso 3: delimitar y aplicar controles de acceso basados en la identidad y puntos de aprobación
- Paso 4: gestionar el riesgo de IA de proveedores y terceros durante todo el ciclo de vida
- Paso 5: supervisar, registrar y generar evidencias listas para la auditoría
- Paso 6: vincular los controles a ISO/IEC 42001, NIST AI RMF y los plazos de EU AI Act
- Paso 7: asignar funciones de gobernanza, clasificar el riesgo y establecer una frecuencia de revisión
- Cómo las auditorías independientes subsanan la falta de evidencias
- De las comprobaciones puntuales a las evidencias continuas
- Otra opción que conviene considerar: auditorías continuas independientes del proveedor
- Preguntas frecuentes
- Fuentes
La lista de verificación de 12 pasos de un vistazo
Una lista de verificación del cumplimiento normativo solo funciona cuando se traduce en tareas con un responsable asignado. Estos doce pasos proporcionan a los equipos de seguridad y cumplimiento una secuencia de implementación que pueden convertir directamente en tareas de seguimiento.
- Descubra e inventaríe todas las herramientas y agentes de IA en uso, incluida la IA no autorizada.
- Identifique los datos a los que puede acceder cada sistema de IA.
- Clasifique la sensibilidad de los datos en todas las conexiones identificadas.
- Delimite el acceso de cada agente mediante reglas de privilegio mínimo.
- Exija aprobación humana para las acciones de alto riesgo o irreversibles.
- Realice evaluaciones de riesgos de terceros para cada proveedor de IA.
- Aplique medidas correctivas durante el procesamiento, como la supresión y el enmascaramiento, antes de que los datos lleguen a un modelo.
- Amplíe la cobertura a todas las superficies: extensiones de navegador, dispositivos y servidores MCP.
- Supervise el comportamiento de los agentes y registre cada acción de forma continua.
- Conserve los registros y las evidencias conforme a los plazos normativos.
- Vincule cada control a ISO/IEC 42001, NIST AI RMF y la normativa aplicable.
- Convierta la lista en un ciclo de control continuo, con una frecuencia de revisión fija.
Los pasos que se desarrollan a continuación detallan los mecanismos, los documentos y registros que deben generarse y los puntos habituales en los que los equipos se atascan.
Paso 1: descubrir e inventariar todas las herramientas y agentes de IA
No se puede gobernar lo que no se ve, y la mayoría de las organizaciones subestiman cuántas herramientas de IA están ya funcionando en su entorno. La detección combina varias fuentes de datos: alertas SIEM, análisis de dispositivos, auditorías de conectores SaaS, registros de servidores MCP y de agentes, y encuestas directas a los equipos que desarrollan o adquieren automatizaciones.
La IA no autorizada es el punto ciego más habitual que señalan los profesionales; a menudo llega a través de extensiones de navegador, cuentas personales o widgets de chat integrados que nadie ha aprobado formalmente, según el análisis de KPMG sobre la adopción de ISO/IEC 42001. Encontrar estas herramientas exige la misma disciplina que cualquier búsqueda de TI no autorizada: comprobar los registros de SSO para detectar inicios de sesión no aprobados, analizar los inventarios de extensiones de navegador en los dispositivos gestionados y revisar el tráfico de las pasarelas de API para identificar puntos de conexión de modelos desconocidos.
Una vez descubierto, cada agente necesita una ficha de inventario homogénea:
- Nombre del agente y equipo o unidad de negocio responsable.
- Modelo, proveedor y versión en uso.
- Ámbitos de datos a los que puede acceder el agente y tokens de acceso asociados.
- Estado de aprobación y fecha de su última prueba de riesgo.
Consejo práctico: Analice primero las extensiones de navegador y los conectores SaaS. Normalmente, este análisis revela más IA no autorizada que cualquier encuesta formal.
Paso 2: identificar y clasificar los datos a los que puede acceder cada IA
El inventario indica que un agente existe. El mapa de datos muestra con qué puede interactuar realmente, y esa distinción determina todas las decisiones de priorización posteriores.
Empiece por vincular cada agente inventariado a las fuentes de datos a las que se conecta y, después, represente el flujo en un diagrama para que quien lo revise pueda seguir una línea directa desde la entrada hasta el modelo y la salida. Este ejercicio suele revelar agentes con un alcance mayor del previsto; por ejemplo, un complemento de chatbot con acceso de lectura a bases de datos que excede ampliamente su finalidad declarada.
Clasifique lo que encuentre en categorías claras:
- Información de identificación personal (PII): nombres, direcciones y datos de contacto.
- Información sanitaria protegida (PHI) y datos de tarjetas de pago (PCI).
- Secretos y credenciales: claves de API, contraseñas y tokens.
- Código fuente y registros regulados: declaraciones financieras, documentos jurídicos y registros de auditoría.
Priorice las medidas correctivas por volumen y sensibilidad. Un agente que maneja un volumen reducido de solicitudes de soporte de baja sensibilidad debe atenderse después de otro que puede consultar una base de datos con PHI de clientes. La lista de verificación para auditorías de IA del CEPD considera este tipo de trazabilidad un requisito básico, no una práctica avanzada.
Paso 3: delimitar y aplicar controles de acceso basados en la identidad y puntos de aprobación
El control de acceso de los agentes de IA funciona igual que el de los usuarios humanos, salvo que los agentes tienden a acumular permisos más deprisa y se revisan con menor frecuencia. Cada agente debe tener su propia identidad, limitada al acceso mínimo que necesita, con tokens de corta duración en lugar de credenciales permanentes.
Las políticas basadas en roles permiten gestionar este control a escala. Un agente de atención al cliente obtiene acceso de lectura a las solicitudes y de escritura a un campo de respuesta; no recibe por defecto permisos para exportar bases de datos.
Los puntos de aprobación son especialmente importantes para las acciones difíciles de revertir:
- Exija autorización humana antes de que un agente ejecute una operación de escritura, eliminación o exportación masiva.
- Marque los agentes de alto riesgo, aquellos que manejan datos regulados o decisiones que afectan a clientes, para someter sus resultados a revisión humana obligatoria.
- Configure alertas para detectar desviaciones de permisos cuando el acceso de un agente se amplíe más allá de su alcance original.
Consejo práctico: Revise los permisos de los agentes con la misma frecuencia que las revisiones de bajas de empleados. Las desviaciones se acumulan con mayor rapidez justo después de los cambios de integración.
También resulta útil un breve procedimiento de corrección: revoque el acceso excesivo, registre la corrección y anote la causa raíz para que la misma desviación no se repita con el siguiente despliegue de un agente.
Paso 4: gestionar el riesgo de IA de proveedores y terceros durante todo el ciclo de vida
Cada proveedor de IA que incorpore es una nueva parte con acceso a sus datos, y la gestión del riesgo de terceros en IA debe ir más allá de un cuestionario de seguridad puntual.
La evaluación debe recoger los metadatos del modelo y del proveedor, la identidad de los subencargados del tratamiento, la postura de seguridad del proveedor, cualquier declaración relativa a SOC o HIPAA y un historial de incidentes. Los contratos deben fijar compromisos específicos:
- Disposiciones sobre registro y acceso para auditoría que permitan obtener evidencias cuando se soliciten.
- Plazos de notificación de brechas específicos para incidentes relacionados con la IA.
- Compromisos explícitos de tratamiento y conservación de datos vinculados a sus obligaciones normativas.
La supervisión no termina al firmar el contrato. Compare los flujos de datos que observa realmente con lo que el proveedor declara procesar y señale pronto las discrepancias. Mantenga también una lista de verificación de baja para que, cuando finalice la relación con un proveedor, la revocación de accesos y la eliminación de datos se confirmen en lugar de darse por supuestas.
Paso 5: supervisar, registrar y generar evidencias listas para la auditoría
Los documentos de políticas no bastan para los auditores. Las evidencias sí, y deben estructurarse antes de que llegue la solicitud de auditoría, no recopilarse después.
Cada entrada de registro necesita suficiente detalle para reconstruir lo ocurrido: el agente que actuó, la acción realizada, los datos utilizados, una captura de la solicitud y la respuesta, una marca de tiempo y un ID de correlación que vincule el evento a los registros relacionados.
Los periodos de conservación deben ajustarse a los plazos normativos aplicables a sus datos, y el propio almacenamiento debe resistir manipulaciones. El almacenamiento de escritura única y lectura múltiple (WORM) y los índices con hash son técnicas habituales para que los registros puedan sostenerse ante un examen riguroso.
Las listas de verificación para auditorías de IA destacan de forma sistemática la trazabilidad y la documentación como requisito central, según la lista de verificación para auditorías de IA del CEPD, lo que implica que un expediente de evidencias necesita algo más que registros sin procesar.
- Registros de eventos indexados y vinculados a agentes y periodos concretos.
- Tareas de corrección que muestren cómo se resolvieron los problemas anteriores.
- Registros de cambios de políticas que documenten cuándo y por qué se modificaron los controles.
- Un conjunto de muestras representativas de conversaciones o transacciones.
Paso 6: vincular los controles a ISO/IEC 42001, NIST AI RMF y los plazos de EU AI Act
Vincular un mismo control a varios marcos ahorra trabajo efectivo, y el primer paso es conocer qué exige realmente cada marco.
ISO/IEC 42001 es una norma de sistemas de gestión de IA susceptible de auditoría independiente, basada en un ciclo de planificar, hacer, verificar y actuar: se documenta una política, se implanta, se comprueba su eficacia y se ajusta. NIST AI RMF organiza ese mismo tipo de trabajo en cuatro funciones: GOBERNAR, MAPEAR, MEDIR y GESTIONAR; MEDIR abarca las pruebas y métricas que generan evidencias sólidas.
El calendario de aplicación de EU AI Act añade fechas vinculantes a estos marcos voluntarios. Las prohibiciones de determinadas prácticas y las obligaciones de alfabetización en IA se aplican desde el 2 de febrero de 2025. Las normas de gobernanza y las obligaciones relativas a los modelos de IA de uso general comenzaron a aplicarse el 2 de agosto de 2025. Las obligaciones de transparencia del artículo 50 se aplican desde el 2 de agosto de 2026, y las obligaciones relativas a los sistemas de alto riesgo del anexo III comienzan el 2 de diciembre de 2027.
Un único registro de control de acceso puede satisfacer a la vez una cláusula de auditoría de ISO 42001, un resultado de la función MEDIR del NIST y un requisito de documentación de EU AI Act, siempre que esté redactado con claridad y etiquetado conforme a cada marco al que da soporte.
Paso 7: asignar funciones de gobernanza, clasificar el riesgo y establecer una frecuencia de revisión
La gobernanza solo se sostiene cuando las responsabilidades se asignan antes de que un incidente obligue a plantearse quién responde. Un modelo de tres líneas de defensa, adaptado de la gestión tradicional del riesgo, funciona bien para la IA: los equipos de proyecto se responsabilizan del uso diario y de las comprobaciones de primera línea, un comité de gobernanza o calidad establece las políticas y revisa las excepciones, y una función de aseguramiento independiente audita ambos niveles.
La clasificación del riesgo debe combinar probabilidad y gravedad en lugar de basarse en la intuición. Un agente con baja probabilidad de fallo, pero con consecuencias graves, por ejemplo, uno que gestione la programación de citas médicas, sigue requiriendo una revisión por una instancia superior.
Los criterios que activan la clasificación son importantes en la práctica:
- Señale cualquier agente que tome decisiones sobre personas o influya de manera sustancial en ellas para someterlo a una evaluación de impacto sobre los derechos fundamentales (FRIA) o una revisión equivalente.
- Eleve automáticamente a una instancia superior los agentes que manejen categorías de datos reguladas, con independencia del nivel de riesgo declarado.
- Exija la aprobación de los responsables de supervisión humana para cualquier agente clasificado como de alto riesgo conforme a su marco.
Una frecuencia recomendada evita que este proceso quede desactualizado: actualice el inventario mensualmente, revise la conservación de evidencias cada trimestre y vuelva a validar el comportamiento de los modelos al menos cada seis meses o después de cualquier actualización sustancial del proveedor.
Cómo las auditorías independientes subsanan la falta de evidencias
La documentación interna indica lo que se supone que debe hacer un sistema. Rara vez demuestra lo que hizo realmente en miles de conversaciones reales, y es en esa brecha donde la mayoría de las evidencias de auditoría dejan de sostenerse.
La auditoría independiente y neutral respecto al proveedor aborda este problema revisando directamente el comportamiento de los agentes, con independencia del modelo o proveedor subyacente, en lugar de basarse en resúmenes proporcionados por el proveedor. Aquí importa cubrir la totalidad de las conversaciones con clientes, no una muestra, porque los fallos de derivación suelen ocultarse en casos atípicos que las comprobaciones puntuales no detectan.
Los auditores suelen valorar un conjunto concreto de evidencias:
- Muestras de transcripciones que muestren cómo gestionó un agente las solicitudes sensibles o ambiguas.
- Tasas de éxito y fallo en las derivaciones, con seguimiento a lo largo del tiempo en lugar de una única comprobación puntual.
- Registros continuos de alertas que señalen anomalías cuando se producen, no después de recibir una reclamación.
Los hallazgos de auditoría han mostrado que una amplia mayoría de los agentes de IA revisados no derivaron correctamente los problemas a un representante humano cuando debían hacerlo, lo que subraya por qué la supervisión continua e independiente importa más que los informes periódicos elaborados por los propios responsables.
De las comprobaciones puntuales a las evidencias continuas
La mayoría de los equipos se atascan en los mismos tres puntos: la detección tarda más de lo previsto, la corrección de los problemas de datos pierde prioridad una vez creado el inventario y la recopilación de evidencias se convierte en una carrera contrarreloj justo antes de una auditoría. Una lista de verificación tratada como un proyecto puntual siempre acabará reproduciendo este patrón.
Trate la detección y la recopilación de evidencias como operaciones permanentes, no como hitos. Estructure su próximo plan de 90 días en torno a controles continuos, en lugar de un único ciclo intensivo de cumplimiento; así, la auditoría deja de ser un evento para el que hay que prepararse y pasa a ser un resultado natural de su forma habitual de operar.
— Sergio Llorens
Otra opción que conviene considerar: auditorías continuas independientes del proveedor
Desarrollar internamente cada elemento de esta lista de verificación requiere una dedicación considerable de ingeniería, y muchos equipos llegan a un punto en el que la recopilación continua de evidencias supera la capacidad de sus herramientas internas. Nuestra plataforma de auditoría y gobernanza está diseñada para cubrir esa carencia.
Nuestra plataforma Lexic Compass audita agentes de IA conversacional de cualquier proveedor, con independencia de quién los haya desarrollado o los opere, y verifica el comportamiento real en lugar de basarse en resúmenes facilitados por el proveedor. Revisa el cumplimiento normativo, las vulnerabilidades de seguridad, la gestión de las derivaciones y la información facilitada al cliente en la totalidad de las conversaciones, lo que proporciona a los equipos de cumplimiento una trazabilidad de evidencias sólida que pueden presentar a un regulador sin depender de los datos del propio proveedor.
Para los equipos que necesitan un punto de partida más rápido, nuestras modalidades Flash Preview y Audit Sprint, disponibles en la página de auditoría de cumplimiento, generan un expediente de evidencias de alcance específico sin una contratación prolongada. Si el trabajo con su lista de verificación se ha estancado en la fase de evidencias, ese es precisamente el problema que resuelve nuestra plataforma. Explore el enfoque de auditoría y descubra dónde presenta carencias su cobertura actual.
Preguntas frecuentes
¿Qué es la regla del 30% para la IA?
Esta expresión aparece de manera informal en distintos contextos, a menudo en referencia a un límite de contenido generado por IA o de automatización en un flujo de trabajo determinado; por tanto, considere cualquier porcentaje concreto que encuentre como una directriz propia de cada organización y no como una norma regulatoria.
¿Qué es una lista de verificación de IA?
Una lista de verificación de IA es un conjunto estructurado de pasos que sigue una organización para inventariar sus sistemas de IA, evaluar riesgos y comprobar que existen controles como límites de acceso, monitorización y supervisión humana. Una lista sólida también vincula cada control a evidencias que los auditores pueden revisar, en lugar de limitarse a un documento de políticas.
¿Cómo preparo una lista de verificación del cumplimiento normativo?
Empiece por descubrir todas las herramientas y agentes de IA en uso, incluida la IA no autorizada que nunca se aprobó formalmente; después, identifique los datos a los que puede acceder cada uno y clasifique su sensibilidad. A partir de ahí, incorpore controles de acceso, supervisión continua y registro, y vincule cada control a los marcos aplicables, como ISO/IEC 42001 o NIST AI RMF.
¿Qué es la regla 10/20/70 para la IA?
No es una norma definida por los principales organismos reguladores o de normalización en materia de cumplimiento de IA. Cuando aparece, suele utilizarse de manera informal para describir la asignación de recursos en proyectos de IA, como el reparto del esfuerzo entre datos, algoritmos e infraestructura, por lo que no debe tratarse como un criterio de referencia de cumplimiento o gobernanza.
¿Debe una lista de verificación del cumplimiento de IA abordar por separado la IA de voz y de llamadas?
Sí, los agentes de IA de voz y de llamadas conllevan obligaciones distintas de las de los sistemas basados en texto, incluidos requisitos de información y consentimiento para la grabación de llamadas que varían según la jurisdicción. Una lista específica de verificación del cumplimiento en llamadas aborda estas obligaciones propias de la voz con mayor profundidad de la que suele ofrecer un marco general de IA.