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: se retrasa, no desaparece
La segunda es regulatoria — con giro reciente. El 29 de junio de 2026 el Consejo de la UE aprobó el paquete Digital Omnibus, que retrasa las obligaciones del Reglamento europeo de IA (AI Act) para sistemas de alto riesgo: del 2 de agosto de 2026 al 2 de diciembre de 2027 (agosto de 2028 para la IA embebida en productos). Lo que no se mueve: las obligaciones de transparencia del artículo 50 — informar cuando se interactúa con una IA y etiquetar el contenido generado — siguen aplicando desde el 2 de agosto de 2026. Y 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?" sigue teniendo respuesta de calendario. El retraso da margen de cumplimiento — no reduce el riesgo, que se despliega hoy.
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.
El mapa de riesgos de fondo ya es conocido: autorización efectiva frente a formal, trazabilidad del razonamiento, deriva de comportamiento y cadena de suministro cognitiva. Lo que separa a los equipos preparados del resto es haberlo convertido en programa de trabajo — y el margen que regala el nuevo calendario es exactamente para eso, no para aplazarlo.
