Gobernanza de IA: lo que tu directorio debió firmar antes de aprobar su primer proyecto (y cómo se construye)

La escena se repite en los directorios chilenos desde hace al menos dos años. Un gerente presenta el proyecto de inteligencia artificial: demo impecable, ROI proyectado a 18 meses, un competidor que ya lo implementó. Los directores preguntan por el costo, el plazo y el proveedor. Ninguno pregunta bajo qué marco de gobernanza de IA va a operar ese sistema, quién responde cuando se equivoque ni cómo se detiene si empieza a perder plata o a discriminar clientes.

La evidencia es consistente. Diversos estudios de gobierno corporativo e inteligencia artificial, entre ellos la encuesta global de Deloitte a directores y los reportes de McKinsey sobre supervisión de IA, apuntan al mismo orden de los factores: antes de aprobar proyectos, el directorio define qué tipo de empresa quiere ser en relación con una tecnología que ya está operando dentro de ella.

Esos estudios instalaron la conversación correcta en la audiencia correcta. Lo que no cabe en una encuesta ni en un reporte de tendencias es la ingeniería: cómo se traduce esa declaración en controles, evidencia y responsables. Ese es nuestro terreno, porque en la unidad GRC de Netprovider ya construimos ese puente en empresas chilenas de sectores regulados. Este artículo documenta el método.

La pregunta que los directorios chilenos todavía no responden

El argumento central es incómodo para cualquier directorio que ya aprobó presupuesto de IA: aprobar proyectos sin haber definido antes un marco invierte el orden del gobierno corporativo. La supervisión de una tecnología que toma decisiones con efectos patrimoniales y reputacionales es función fiduciaria del directorio, y las funciones fiduciarias no se delegan en el gerente de tecnología.

El directorio define su postura antes que su portafolio: una empresa puede ser AI-first (la IA redefine el negocio), AI-enabled (la IA potencia el negocio actual con límites claros) o AI-cautious (adopción restringida mientras maduran los controles). Ninguna postura es incorrecta. Lo incorrecto es no tener ninguna: sin ese acto previo, el management no puede operar y los riesgos quedan sin dueño.

Esa definición se estructura en ocho dimensiones que el directorio debe resolver: la postura, la responsabilidad por cada sistema y la taxonomía de riesgo y delegación como núcleo, más la política de datos y propiedad intelectual con que se entrenan y operan los modelos, la transparencia hacia clientes, empleados y reguladores, los mecanismos de resiliencia para detectar fallas antes de que el daño sea material, el seguimiento del cumplimiento regulatorio en cada jurisdicción y la gestión del impacto humano y social. Volveremos sobre ellas, porque convertir esas ocho dimensiones en operación diaria es donde se juega el partido.

Zillow: cuando el directorio aprueba el sistema y nadie puede apagarlo

El costo de saltarse ese acto previo tiene un caso de manual. Zillow construyó Zillow Offers, un negocio de compra y venta de casas cuyo corazón era un algoritmo de tasación que decidía a qué precio comprar. El modelo compró miles de propiedades por encima del precio al que después podría venderlas. El 2 de noviembre de 2021, Zillow Group reportó un writedown de inventario de unos USD 304 millones en el tercer trimestre, anticipó pérdidas adicionales que llevarían el total por sobre los USD 540 millones y anunció la reducción de un 25% de su plantilla, cerca de 2.000 personas.

El detalle que importa para esta conversación: la decisión de cerrar Zillow Offers la tomó el directorio, no el management. El mismo órgano que aprobó el sistema tuvo que matarlo, y para cuando lo hizo, el algoritmo llevaba meses comprando casas a pérdida. Nadie había definido con anticipación los umbrales que obligaban a detenerlo ni quién tenía la autoridad para hacerlo sin esperar la próxima sesión. El directorio de Zillow evaluó el proyecto. No gobernó el sistema.

¿Qué debe aprobar el directorio antes de implementar IA?

Antes de implementar IA, el directorio debe aprobar tres definiciones: una postura estratégica escrita (qué habilita, qué prohíbe y cuánto invierte), un apetito de riesgo con líneas rojas documentadas y una asignación de responsabilidad con nombre y cargo por cada sistema, incluida la autoridad para detenerlo. Los proyectos individuales se evalúan después, contra ese marco.

Aprobar un marco no es gobernar la IA: la brecha que nadie cubre

Los datos muestran una asimetría que cualquier auditor calificaría de hallazgo. Según el State of AI de McKinsey (noviembre 2025), el 88% de las organizaciones ya usa IA en al menos una función de negocio. La supervisión va varios cuerpos atrás: a 2024, solo el 39% de las Fortune 100 divulgaba alguna forma de supervisión de IA a nivel de directorio, y en la edición de marzo de 2025 del mismo estudio, apenas el 17% de las empresas reportaba que su directorio supervisa la gobernanza de IA. El 28% se la asigna al CEO. En el resto, el tema vive más abajo en el organigrama.

Deloitte midió lo mismo desde la sala de directorio. Su encuesta Governance of AI (695 directores y ejecutivos en 56 países, principios de 2025) encontró que casi la mitad de los directorios aún no tiene la IA en su agenda, que solo el 14% la discute en cada sesión y que dos tercios de los directores declaran conocimiento limitado o nulo de la tecnología que sus empresas ya operan.

Chile no es la excepción. El estudio de adopción de IA de Entel Digital con CENIA (2025) reporta que más del 80% de las grandes empresas chilenas usa IA, y cerca del 70% de las pymes. El mismo estudio identifica la falta de gobernanza y de políticas internas sobre datos e IA entre las principales barreras, y lo dice sin rodeos: quien no mueva la IA de la gerencia de TI a la mesa del directorio se va a quedar rezagado.

La brecha entre esos números es el espacio exacto donde viven los incidentes: sistemas en producción que nadie inventarió, decisiones automatizadas que nadie puede explicar y riesgos que quedan sin dueño.

De la declaración al control: las ocho dimensiones convertidas en operación

Aquí está el vacío que encontramos en todo el contenido disponible en español sobre gobernanza de IA: los marcos se quedan en principios. Declarar "usaremos IA de forma responsable y transparente" no resiste ni una fiscalización ni un incidente. Cada dimensión que el directorio resuelve necesita tres cosas para existir de verdad: un control operativo, una evidencia que un auditor pueda pedir y un responsable con cargo.

Esta tabla traduce las ocho dimensiones a esa lógica. Es el documento que un director puede llevar impreso a su próxima sesión y usar para hacer las preguntas incómodas.

Para usarla, recorra la columna de evidencia y pregunte cuáles de esos documentos existen hoy en su empresa. Cada celda vacía es una decisión del directorio que todavía no baja a la operación. En nuestra experiencia, la mayoría de las empresas que declara "tener gobernanza de IA" puede mostrar la primera fila y ninguna de las otras siete.

¿Quién es responsable si un algoritmo comete un error en la empresa?

La empresa responde por los errores de sus algoritmos. En febrero de 2024, un tribunal canadiense condenó a Air Canada por la información falsa que su chatbot entregó a un pasajero; la aerolínea alegó que el bot era una entidad separada y el tribunal rechazó el argumento. La responsabilidad legal no se delega al software.

El monto de esa condena fue menor: CAD 650,88 más costas, por una tarifa por duelo que el chatbot inventó. La doctrina que dejó el Civil Resolution Tribunal de British Columbia es lo valioso: la empresa responde por toda la información de su sitio, la genere una página estática o un modelo de lenguaje. Ese precedente ya circula en los escritos de los abogados de consumidores.

El caso de iTutorGroup muestra la versión cara del mismo principio. Su software de reclutamiento rechazaba en automático a las postulantes mujeres desde los 55 años y a los hombres desde los 60. Se descubrió porque una postulante envió dos currículums idénticos cambiando solo la fecha de nacimiento: el joven consiguió entrevista, el mayor no. La empresa cerró con la EEOC, la agencia estadounidense de igualdad en el empleo, el primer acuerdo por discriminación algorítmica en reclutamiento: USD 365.000 para más de 200 postulantes descartados y monitoreo regulatorio por al menos cinco años.

Ningún directorio de esas empresas aprobó discriminar ni inventar tarifas. Aprobaron proyectos sin marco, y la responsabilidad los encontró igual. La accountability se diseña antes del incidente; después del incidente solo queda pagarla.

Cómo se implementa un marco de gobernanza de IA: metodología en tres pilares

Un marco de gobernanza de IA se implementa en tres pilares: habilitar la innovación con casos de uso y criterios de aprobación por nivel de riesgo, integrar los controles al sistema de gestión que la empresa ya opera (ISO 27001 extendida con ISO 42001 y NIST AI RMF) y transferir capacidades a un comité interno que lo sostenga sin consultores.

Ese orden no es casualidad. Si la gobernanza parte por las restricciones, la organización la vive como freno y la esquiva. Si parte por habilitar, se convierte en el mecanismo que permite decir que sí más rápido.

Pilar 1: habilitar la innovación (la gobernanza que dice sí)

Una gobernanza bien diseñada parte por un inventario de casos de uso con su vía de aprobación; la política viene después. Los equipos ya están usando IA, con o sin permiso; el estudio de Entel y CENIA lo confirma para Chile y el fenómeno del Shadow AI lo analizamos en detalle en otro artículo. Prohibir sin ofrecer alternativa solo empuja ese uso a la sombra, donde no hay control posible.

La postura AI-enabled con guardrails, la más común entre las empresas con las que trabajamos, se aterriza así: casos de uso de riesgo bajo (redacción interna, resúmenes, código con revisión) se aprueban por vía rápida con reglas de datos claras. Casos de riesgo medio (atención de clientes, análisis de información comercial) pasan por evaluación del comité. Casos de riesgo alto (decisiones sobre personas: crédito, precios, selección laboral) requieren evaluación de impacto formal y, en las materias que definió el directorio, su conocimiento previo.

Un sandbox interno completa el pilar: un entorno controlado con datos de prueba donde los equipos experimentan sin tocar información real ni clientes. La innovación necesita un patio de juegos con reja, no un pasillo con carteles de prohibición.

Pilar 2: controles de seguridad integrados al SGSI que ya tienes

El error más caro que vemos es construir la gobernanza de IA como un edificio aparte, con su propia política, su propio comité y sus propios documentos, desconectada del sistema de gestión de seguridad de la información (SGSI) que la empresa ya opera y audita. Eso duplica costos y garantiza inconsistencias.

La ruta eficiente ya está estandarizada. ISO/IEC 42001, publicada en diciembre de 2023, es la primera norma certificable para sistemas de gestión de inteligencia artificial (AIMS, por su sigla en inglés: el equivalente para IA de lo que el SGSI es para seguridad de la información). Comparte estructura armonizada con ISO 27001, y fuentes de la industria como Microsoft y KPMG estiman que una organización certificada en 27001 puede reutilizar del orden de la mitad de su documentación y procesos. No se parte de cero: se extiende lo que existe.

Lo nuevo que agrega 42001 es lo que 27001 nunca cubrió: gestión de sesgo en los modelos, evaluación de impacto de los sistemas de IA sobre personas y organizaciones, transparencia sobre cómo deciden y desarrollo responsable. Como lente de riesgo para operar todo esto, el NIST AI Risk Management Framework (publicado en enero de 2023 por el instituto de estándares de Estados Unidos) ordena el trabajo en cuatro funciones: gobernar la cultura y las estructuras, mapear el contexto de cada sistema, medir su riesgo y gestionarlo. Usamos 42001 como esqueleto certificable y NIST como método de análisis.

¿Y la certificación misma? En Chile la adopción de ISO 42001 todavía se cuenta en unidades, no en cientos. Para la mayoría de las empresas el sello puede esperar; los controles no. Quien opera los controles puede certificar cuando el mercado o un cliente lo exija.

El contexto chileno no es opcional: 21.663, 21.719 y la CMF

Todo lo anterior podría leerse como buenas prácticas voluntarias. En Chile ya no lo es tanto, porque tres piezas regulatorias cruzan la gobernanza de IA con obligaciones exigibles.

La primera es la Ley 21.663 de ciberseguridad, con el régimen de fiscalización y sanciones de la ANCI activo desde marzo de 2025: multas de hasta 20.000 UTM en régimen general y 40.000 UTM para Operadores de Importancia Vital. Un sistema de IA mal gobernado dentro de un OIV es un incidente reportable esperando ocurrir, con una ventana de alerta temprana de 3 horas que no perdona improvisaciones.

La segunda es la Ley 21.719 de protección de datos, vigente en plenitud el 1 de diciembre de 2026. Contiene regulación expresa de decisiones automatizadas: consagra el derecho del titular a oponerse a decisiones basadas únicamente en tratamiento automatizado de sus datos, incluida la elaboración de perfiles, cuando le producen efectos jurídicos o lo afectan de forma significativa. Eso exige poder explicar la lógica aplicada, ofrecer intervención humana y permitir revisión. Si su empresa usa scoring, segmentación o perfilamiento con IA, el cruce entre la 21.719 y la inteligencia artificial que analizamos aquí le llega directo, y la fila de transparencia de la tabla anterior deja de ser opcional.

La tercera es una señal más que una norma: la CMF aprobó en mayo de 2025 su propia Política de Uso de Inteligencia Artificial, alineada con la Política Nacional de IA, con uso en entornos controlados, proveedores certificados y foco en ciberseguridad y protección de datos. Es un documento interno del regulador, pero muestra el estándar de gobernanza que el supervisor financiero considera razonable, y le dedicamos un análisis completo que publicaremos próximamente en este blog.

Conviene además mirar el barrio, porque el mapa regional cambió más rápido de lo que la mayoría de los directorios registra. Perú ya tiene ley de IA con reglamento vigente: el Decreto Supremo 115-2025-PCM rige desde el 22 de enero de 2026, con enfoque basado en riesgo (usos prohibidos y de alto riesgo, incluidos crédito, selección laboral y salud) e implementación gradual que parte por salud, educación, justicia, economía y finanzas hasta septiembre de 2026, con el resto escalonado hasta 2029. Una empresa chilena con filial peruana ya tiene obligaciones de gobernanza de IA con fecha y sanción.

Colombia opera con el CONPES 4144, aprobado en febrero de 2025: una política nacional con seis ejes, entre ellos ética, gobernanza y mitigación de riesgos, más de 100 acciones a 2030 y COP $479.000 millones de financiamiento. No es una ley, pero fija la dirección del aparato público colombiano.

Chile está en el medio: el proyecto de ley que regula los sistemas de IA (boletines 16821-19 y 15869-19 refundidos) fue aprobado en particular por la Cámara de Diputados en octubre de 2025 y avanza en segundo trámite en el Senado. No hay ley vigente todavía, y esa es exactamente la ventana: la empresa que construye su marco hoy va a recibir la ley con los deberes hechos.

La referencia europea también se movió, y casi todo el contenido en español está desactualizado al respecto. El Digital Omnibus acordado por las instituciones europeas pospuso las obligaciones del AI Act para sistemas de alto riesgo: las del Anexo III al 2 de diciembre de 2027 y las de IA embebida en productos regulados al 2 de agosto de 2028. Lo que sí rige el 2 de agosto de 2026 son las obligaciones de transparencia del artículo 50: informar a las personas cuando interactúan con una IA. El plazo europeo se estiró; la dirección no cambió.

Pilar 3: transferencia de capacidades (que la gobernanza no se vaya con el consultor)

Una gobernanza que depende del consultor que la diseñó es un servicio arrendado. El tercer pilar existe para que el sistema siga funcionando cuando nosotros ya no estemos en la sala.

La pieza central es el comité de gobernanza de IA: una instancia interna con representación de negocio, riesgo, tecnología, legal y datos, con mandato escrito, calendario de sesiones y poder real de aprobar, condicionar o detener casos de uso. En empresas medianas no necesita ser un órgano nuevo; puede ser una extensión del comité de riesgo o de seguridad de la información con los asientos que le faltan. Lo que no funciona es el comité fantasma que existe en la política y jamás se reúne.

La transferencia incluye tres flujos más: roles documentados (quién evalúa impacto, quién mantiene el inventario, quién reporta al directorio), capacitación formal al directorio (el dato de Deloitte es elocuente: solo el 48% de los directorios ofrece formación en IA, y dos tercios de los directores admiten conocimiento limitado o nulo) y una cadencia de reporte que lleve a cada sesión de directorio un tablero simple: sistemas en producción, incidentes, decisiones pendientes. Para organizaciones sin músculo interno de seguridad, el modelo de liderazgo externalizado que describimos a propósito del CISO as a Service aplica igual a esta función: experiencia senior de entrada, capacidad propia de salida.

Qué aprendimos ejecutando esta asesoría en terreno

La unidad GRC de Netprovider ya ejecutó esta asesoría en empresas chilenas de sectores regulados. Los detalles de cada caso son confidenciales; los patrones que se repiten no, y valen más que cualquier framework teórico.

El primer patrón está en la brecha entre lo que el cliente pide y lo que necesita. La solicitud típica llega como "necesitamos una política de IA", muchas veces gatillada por una pregunta del directorio o por un cliente corporativo que la exige en la debida diligencia. Al levantar la operación aparece el cuadro real: sistemas de IA en producción que ninguna gerencia había inventariado, herramientas de uso masivo sin reglas de datos y ninguna respuesta escrita a la pregunta de quién detiene qué. La política era el síntoma; el trabajo es el marco completo.

Mi lectura de la situación es directa: el mercado chileno está comprando documentos cuando necesita sistemas de gestión, y la diferencia entre ambos se nota recién en el primer incidente o la primera fiscalización.

Por eso el trabajo en terreno sigue un orden distinto al que el cliente espera. Partimos por el levantamiento: inventariar cada sistema y herramienta de IA en uso, incluidas las que nadie declaró, y clasificarlas por criticidad. Recién con ese mapa se discute la postura con el directorio, porque discutir apetito de riesgo sin saber qué corre en producción es firmar a ciegas. Después viene la matriz de controles sobre el SGSI existente y, al final, la política, que a esas alturas se escribe casi sola porque documenta decisiones ya tomadas. El orden inverso (política primero, realidad después) produce los marcos de papel que describimos más arriba.

Tres errores se repiten con tanta regularidad que ya los buscamos de entrada. El marco genérico copiado: una política descargada o adaptada de un template global, con principios impecables y cero conexión con los sistemas reales de la empresa; se detecta en cinco minutos pidiendo el inventario que la política dice tener. La gobernanza paralela al SGSI: comité nuevo, documentos nuevos y controles duplicados que compiten con los de seguridad de la información en vez de extenderlos, con el doble de costo de mantención. Y la ausencia de evidencia: definiciones que viven en presentaciones y no en registros, actas ni logs, es decir, nada que mostrar cuando el auditor, el cliente o la ANCI pregunte.

El entregable que funciona tiene cuatro componentes que se corresponden con lo que este artículo describe: la política de uso de IA aprobada por el directorio (la postura y las reglas), el inventario de sistemas clasificado por riesgo, la matriz de controles con evidencia y responsables (la versión a medida de la tabla de este artículo) y el plan de transferencia con comité, roles y calendario de capacitación. Con eso, la empresa no depende de nosotros para la siguiente decisión de IA. Ese es el estándar con que medimos el cierre de cada proyecto.

Checklist: ¿tu directorio gobernó la IA o solo la evaluó?

Ocho preguntas, espejo de las ocho dimensiones. Responda sí o no; cada sí vale un punto. La regla es estricta: si la evidencia no existe por escrito, la respuesta es no.

Este checklist convierte en puntaje la diferencia entre evaluar y gobernar. Un directorio que aprueba proyectos de IA evalúa. Un directorio que puede responder estas ocho preguntas con evidencia, gobierna.

El siguiente paso antes de la próxima sesión de directorio

Si el puntaje quedó bajo 7, el camino corto es un diagnóstico ejecutado por gente que ya lo hizo. Nuestra asesoría GRC en gobernanza de IA parte de su SGSI y su realidad regulatoria: inventario de sistemas, matriz de controles con evidencia auditable, política lista para la firma del directorio y plan de transferencia para que la capacidad quede en su equipo. Detecte las brechas antes que lo haga un incidente, respaldado por una unidad que ejecutó este trabajo en empresas reguladas chilenas. Conversemos.

Preguntas frecuentes sobre gobernanza de IA

¿Qué es la gobernanza de IA?

La gobernanza de IA es el conjunto de decisiones, controles y responsabilidades con que una organización dirige y supervisa sus sistemas de inteligencia artificial: qué usos permite, qué riesgos acepta, quién responde por cada sistema y con qué evidencia lo demuestra. En la empresa, esa definición parte en el directorio y baja a la operación como políticas, inventarios y controles auditables.

¿Qué es la ISO 42001?

ISO/IEC 42001 es la primera norma internacional certificable para sistemas de gestión de inteligencia artificial (AIMS), publicada en diciembre de 2023. Define los requisitos para establecer, operar y mejorar la gestión de IA de una organización, incluyendo evaluación de impacto, gestión de sesgo y transparencia, con la misma lógica de gestión que ISO 27001 aplica a la seguridad de la información.

¿La ISO 42001 reemplaza a la ISO 27001?

No, la complementa. ISO 27001 gestiona la seguridad de la información; ISO 42001 gestiona los riesgos propios de la IA (sesgo, impacto sobre personas, transparencia de las decisiones). Comparten estructura armonizada, por lo que una empresa certificada en 27001 puede reutilizar una parte sustancial de su documentación y procesos para implementar 42001.

¿Quién es responsable si un algoritmo comete un error en la empresa?

La empresa responde, con su patrimonio y ante los tribunales. En 2024, un tribunal canadiense condenó a Air Canada por la información falsa de su chatbot y rechazó el argumento de que el bot era una entidad separada. El directorio no puede delegar esa responsabilidad en el software ni en el proveedor: debe asignarla por escrito antes del incidente.

Fuentes