Una lista de verificación del cumplimiento normativo de la IA debe cumplir cinco funciones antes de que cualquier auditor la acepte: descubrir todos los sistemas y agentes de IA en uso, mapear los datos con los que interactúa cada uno, aplicar controles de acceso y aprobación, supervisar continuamente el comportamiento y generar evidencias vinculadas a marcos reconocidos. Organismos de normalización y marcos 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:
- Inicie la detección con inventarios de extensiones del navegador, auditorías de conectores SaaS, análisis de dispositivos finales y tráfico de API; registre el responsable, el proveedor, la versión, los permisos y el estado de aprobación de cada agente.
- Mapee 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 propia, credenciales de corta duración y acceso con privilegios mínimos; exija aprobación humana antes de realizar escrituras, eliminaciones, exportaciones masivas o decisiones de alto riesgo.
- Almacene registros resistentes a la manipulación que incluyan el agente, la acción, los datos utilizados, la solicitud y la respuesta, la marca de tiempo y el identificador 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 empiezan 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: descubra e inventaríe todas las herramientas y agentes de IA
- Paso 2: mapee y clasifique los datos a los que puede acceder cada IA
- Paso 3: delimite y aplique controles de acceso basados en la identidad y puntos de aprobación
- Paso 4: gestione el riesgo de IA de proveedores y terceros durante todo el ciclo de vida
- Paso 5: supervise, registre y genere evidencias listas para los auditores
- Paso 6: vincule los controles a ISO/IEC 42001, NIST AI RMF y los plazos del EU AI Act
- Paso 7: asigne funciones de gobernanza, clasifique el riesgo y establezca una periodicidad de revisión
- Cómo las auditorías independientes subsanan las carencias de evidencias
- De las comprobaciones puntuales a las evidencias continuas
- Otra opción que merece consideración: 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 convierte en tareas con responsables asignados. Estos doce pasos ofrecen a los equipos de seguridad y cumplimiento una secuencia de implantación que pueden trasladar directamente a solicitudes de trabajo.
- Descubra e inventaríe todas las herramientas y agentes de IA en uso, incluida la IA no autorizada.
- Mapee los datos a los que puede acceder cada sistema de IA.
- Clasifique la sensibilidad de los datos en cada conexión mapeada.
- Delimite el acceso de cada agente mediante reglas de privilegios mínimos.
- Exija aprobación humana para las acciones de alto riesgo o irreversibles.
- Realice evaluaciones de riesgo de terceros para cada proveedor de IA.
- Aplique medidas correctivas durante el tránsito, como la supresión y el enmascaramiento de datos, antes de que estos lleguen a un modelo.
- Amplíe la cobertura a todas las superficies: extensiones del navegador, dispositivos finales 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.
- Incorpore la lista de verificación a la operativa como un ciclo de control continuo, con una periodicidad de revisión fija.
Cada paso que se desarrolla a continuación detalla los procedimientos, los documentos que deben generarse y los puntos habituales en los que los equipos se atascan.
Paso 1: descubra e inventaríe 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 ya funcionan en su entorno. El trabajo de detección combina varias fuentes de datos: alertas SIEM, análisis de dispositivos finales, 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 que los profesionales señalan con mayor frecuencia y suele introducirse mediante extensiones del 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 en busca de inicios de sesión no aprobados, analizar los inventarios de extensiones del navegador en los dispositivos gestionados y revisar el tráfico de las pasarelas de API para detectar puntos de conexión de modelos no reconocidos.
Una vez descubierto, cada agente necesita un registro de inventario uniforme:
- 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 riesgos.
Consejo profesional: Analice primero las extensiones del navegador y los conectores SaaS. Normalmente permite detectar más IA no autorizada que cualquier encuesta formal.
Paso 2: mapee y clasifique los datos a los que puede acceder cada IA
El inventario indica que un agente existe. El mapeo de datos indica 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 revela habitualmente agentes con un alcance mayor del previsto; por ejemplo, un complemento de chatbot con acceso de lectura a bases de datos que excede con creces 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: documentación financiera, documentos jurídicos y registros de auditoría.
Priorice las medidas correctivas según el volumen y la sensibilidad. Un agente que maneja un pequeño volumen de solicitudes de soporte de baja sensibilidad queda por detrás de otro que puede consultar una base de datos de PHI de clientes. La lista de verificación para auditorías de IA del CEPD considera este tipo de trazabilidad una exigencia básica, no una práctica avanzada.
Paso 3: delimite y aplique 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 suelen acumular permisos más rápido y someterse a revisiones con menor frecuencia. Cada agente debe tener su propia identidad, limitada al acceso mínimo necesario, con tokens de corta duración en lugar de credenciales permanentes.
Las políticas basadas en roles permiten gestionar este proceso a escala. Un agente de atención al cliente obtiene acceso de lectura a las solicitudes de soporte y acceso de escritura a un campo de respuesta; no obtiene 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 cualquier agente ejecute una 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 profesional: Revise los permisos de los agentes con la misma periodicidad que las revisiones de bajas de empleados. Las desviaciones se acumulan con mayor rapidez justo después de los cambios en las integraciones.
También resulta útil disponer de un breve protocolo de corrección: revocar los permisos excesivos, registrar la corrección y anotar la causa raíz para que la misma desviación no se repita con el siguiente despliegue de un agente.
Paso 4: gestione el riesgo de IA de proveedores y terceros durante todo el ciclo de vida
Cada proveedor de IA que incorpora es un nuevo tercero 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 identificación 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 registros y acceso para auditoría que permitan obtener evidencias cuando se necesiten.
- 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 tratar y señale las discrepancias cuanto antes. Mantenga también una lista de verificación de baja del proveedor para que, cuando finalice la relación, la revocación del acceso y la eliminación de datos se confirmen en lugar de darse por supuestas.
Paso 5: supervise, registre y genere evidencias listas para los auditores
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 del registro necesita suficiente detalle para reconstruir lo sucedido: el agente que actuó, la acción realizada, los datos utilizados, una copia de la solicitud y la respuesta, una marca de tiempo y un identificador de correlación que vincule el evento con los registros relacionados.
Los periodos de conservación deben ajustarse a los plazos normativos aplicables a sus datos, y el propio almacenamiento debe resistir la manipulación. El almacenamiento de una sola escritura y múltiples lecturas (WORM) y los índices con hash son técnicas habituales para mantener registros defendibles ante una revisión rigurosa.
Las listas de verificación diseñadas para auditar la IA destacan sistemáticamente la trazabilidad y la documentación como requisito central, según la lista de verificación para auditorías de IA del CEPD, lo que significa que un conjunto de evidencias necesita algo más que registros sin procesar.
- Registros de eventos indexados y vinculados a agentes y periodos específicos.
- Solicitudes 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: vincule los controles a ISO/IEC 42001, NIST AI RMF y los plazos del EU AI Act
Vincular un mismo control a varios marcos ahorra trabajo efectivo, y el primer paso es conocer lo que exige realmente cada marco.
ISO/IEC 42001 es una norma de sistemas de gestión de IA que permite someterse a auditoría independiente, basada en el ciclo Planificar-Hacer-Verificar-Actuar: se documenta una política, se implanta, se comprueba su eficacia y se ajusta. NIST AI RMF organiza este mismo tipo de trabajo en cuatro funciones: GOBERNAR, MAPEAR, MEDIR y GESTIONAR; MEDIR abarca las pruebas y las métricas que generan evidencias sólidas.
El calendario de aplicación del EU AI Act añade fechas vinculantes a estos marcos voluntarios. Las prácticas prohibidas y las obligaciones de alfabetización en IA se aplican desde el 2 de febrero de 2025. Las normas de gobernanza y las obligaciones para los modelos de IA de uso general se aplican desde el 2 de agosto de 2025. Las obligaciones de transparencia del artículo 50 se aplican a partir del 2 de agosto de 2026, y las obligaciones de 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 del EU AI Act, siempre que esté redactado con claridad y etiquetado con referencia a cada marco al que da soporte.
Paso 7: asigne funciones de gobernanza, clasifique el riesgo y establezca una periodicidad de revisión
La gobernanza solo se sostiene cuando las responsabilidades se asignan antes de que un incidente obligue a plantearse la cuestión. Un modelo de tres líneas de defensa, adaptado de la gestión tradicional de riesgos, 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 consecuencias graves, por ejemplo, uno que gestiona la programación de citas médicas, sigue justificando su remisión a un nivel superior de supervisión.
En la práctica, los criterios que activan la clasificación son importantes:
- Señale cualquier agente que tome decisiones sobre personas o influya de forma sustancial en ellas para someterlo a una evaluación de impacto en los derechos fundamentales (FRIA) o a una revisión equivalente.
- Remita automáticamente a un nivel superior de supervisión los agentes que manejen categorías de datos regulados, con independencia del nivel de riesgo declarado.
- Exija la aprobación de los responsables de supervisión humana para cualquier agente clasificado como de alto riesgo según su marco.
Una periodicidad recomendada evita que este proceso quede desactualizado: actualice el inventario mensualmente, revise la conservación de evidencias trimestralmente y vuelva a validar el comportamiento del modelo al menos cada seis meses o después de cualquier actualización sustancial del proveedor.
Cómo las auditorías independientes subsanan las carencias 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 pierden solidez.
La auditoría independiente y neutral respecto al proveedor aborda este problema revisando directamente el comportamiento del agente, con independencia del modelo o proveedor subyacente, en lugar de basarse en resúmenes facilitados por el proveedor. La cobertura de la totalidad de las conversaciones con clientes, y no de una muestra, es importante porque los fallos de derivación suelen ocultarse en casos límite que las comprobaciones puntuales no detectan.
Los auditores suelen valorar un conjunto específico de evidencias:
- Muestras de transcripciones que muestren cómo gestionó un agente solicitudes sensibles o ambiguas.
- Tasas de éxito y fallo de las derivaciones, con seguimiento a lo largo del tiempo en lugar de una única medición puntual.
- Registros continuos de alertas que señalen anomalías cuando se producen, no después de recibir una reclamación.
Los hallazgos de las auditorías han mostrado que una amplia mayoría de los agentes de IA revisados no derivaron adecuadamente 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 de autoevaluación.
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, las medidas correctivas sobre los datos pierden prioridad una vez elaborado 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, y la auditoría dejará de ser un evento para el que debe prepararse y pasará a ser un resultado natural de su forma habitual de operar.
— Sergio Llorens
Otra opción que merece consideración: auditorías continuas independientes del proveedor
Desarrollar internamente cada elemento de esta lista de verificación exige 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 su comportamiento real en lugar de basarse en resúmenes comunicados 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 un rastro de evidencias defendible que pueden entregar a un regulador sin depender de los datos del propio proveedor.
Para los equipos que necesitan un punto de partida más rápido, nuestras ofertas Flash Preview y Audit Sprint, disponibles en la página de auditoría de cumplimiento, generan un conjunto de evidencias específico sin necesidad de un encargo prolongado. Si el trabajo con su lista de verificación se ha atascado en la fase de evidencias, ese es precisamente el problema que resuelve nuestra plataforma. Explore el enfoque de auditoría e identifique las carencias de su cobertura actual.
Preguntas frecuentes
¿Qué es la regla del 30% para la IA?
Esta expresión aparece de manera informal en distintos contextos y suele aludir a un límite de contenido generado por IA o de automatización en un flujo de trabajo concreto. Por tanto, considere cualquier porcentaje específico que encuentre como una directriz propia de una organización, 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 una organización sigue para inventariar sus sistemas de IA, evaluar los riesgos y verificar 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 existir únicamente como 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, mapee los datos a los que puede acceder cada uno y clasifique su sensibilidad. A partir de ahí, incorpore controles de acceso, monitorización continua y registros, y vincule cada control a los marcos aplicables, como ISO/IEC 42001 o NIST AI RMF.
¿Qué es la regla del 10/20/70 para la IA?
No es una norma definida por los principales organismos reguladores o de normalización que abordan el cumplimiento normativo de la IA. Cuando aparece, suele utilizarse informalmente 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 una referencia de cumplimiento o gobernanza.
¿Debe una lista de verificación del cumplimiento normativo de la 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 los requisitos de información y consentimiento para la grabación de llamadas, que varían según la jurisdicción. Una lista de verificación específica para el cumplimiento normativo de las llamadas aborda estas obligaciones propias de la voz con más profundidad de la que suele ofrecer un marco general de IA.