La adopción de IA en las organizaciones va por delante de su aseguramiento, y la distancia crece. Una encuesta global reciente a responsables de auditoría interna lo constata: auditar los sistemas de IA sigue siendo una prioridad relativamente baja en los planes, justo cuando la adopción corporativa se acelera — algo que el propio estudio prevé que cambie a medida que las organizaciones necesiten más aseguramiento sobre estos nuevos riesgos.
Mientras tanto, han pasado dos cosas que hacen ese desfase insostenible.
Shadow AI: la adopción que no pasó por el comité
La primera es la shadow AI: el uso de herramientas y agentes de IA por parte de empleados y áreas de negocio sin sanción del área tecnológica. El estudio ya lo advertía — es probable que muchos empleados estén usando IA de forma independiente, elevando los riesgos de seguridad y privacidad del dato e introduciendo información no fiable en la organización — y reclamaba gobierno y guardarraíles más fuertes como respuesta.
Con la IA agéntica el problema cambia de categoría: un agente no solo genera texto, actúa — envía correos, consulta sistemas, encadena operaciones con credenciales válidas. Un agente en la sombra con permisos excesivos es un usuario privilegiado sin dueño, sin inventario y sin registro.
El calendario regulatorio: agosto de 2026
La segunda es regulatoria. Las obligaciones del Reglamento europeo de IA (AI Act) para sistemas de alto riesgo entran en vigor el 2 de agosto de 2026; las prohibiciones y deberes de alfabetización aplican desde 2025, y las obligaciones para modelos de propósito general desde agosto de 2025. En el sector financiero, DORA exige desde enero de 2025 una gestión del riesgo TIC que alcanza a los sistemas de IA: clasificación de riesgos, control de accesos, registros de auditoría y evaluación de terceros.
La pregunta "¿nos toca auditar la IA?" ya no la responde el apetito de riesgo: la responde un calendario.
Criterios que ya existen: de los principios al programa de trabajo
No hace falta inventar el marco desde cero. Los principios de IA confiable que manejan los marcos de referencia — equidad, transparencia, explicabilidad, responsabilidad, integridad del dato, fiabilidad, seguridad, privacidad — son criterios de auditoría en potencia: cada uno se traduce en preguntas de control verificables. Y el NIST AI RMF organiza la gestión del riesgo de IA en cuatro funciones — gobernar, mapear, medir, gestionar — que encajan de forma natural con el ciclo de trabajo de auditoría interna.
Los agentes no se auditan con capturas de pantalla. Se auditan con inventario, límites verificables y registro de cada ejecución: contexto, instrucciones, herramientas invocadas y acciones realizadas.
La agenda del auditor para los próximos dos trimestres
- Inventario de agentes y usos de IA — incluidos los no autorizados. Sin censo no hay universo auditable; la shadow AI se gobierna primero haciéndola visible.
- Clasificación por riesgo alineada con el AI Act: qué sistemas tocan decisiones sobre personas, dinero o infraestructura crítica.
- Límites verificables: presupuestos de acción, herramientas permitidas, aprobación humana para operaciones irreversibles — aplicados técnicamente, no solo escritos en una política.
- Registro a prueba de auditoría de cada ejecución, retenido y protegido como cualquier otro registro crítico.
Sobre el mapa de riesgos de fondo — autorización efectiva, trazabilidad del razonamiento, deriva de comportamiento, cadena de suministro cognitiva — escribimos en detalle en Los riesgos tecnológicos de los agentes de IA. Esta es su continuación práctica: el momento de convertir ese mapa en programa de trabajo es antes de agosto.