Lo esencial
- Un sistema de IA, según el Reglamento Europeo de IA, es un sistema basado en una máquina que infiere, a partir de la información de entrada, cómo generar predicciones, contenidos, recomendaciones o decisiones capaces de influir en entornos físicos o virtuales.
- La inferencia es el elemento que separa los sistemas de IA del software convencional: quedan fuera las reglas fijas programadas íntegramente por personas, las heurísticas simples y el tratamiento básico de datos.
- La definición es funcional y neutra respecto a la tecnología: no exige aprendizaje automático ni capacidad de adaptación, que el texto presenta como una posibilidad, nunca como un requisito.
- El Reglamento no trata todos los sistemas de IA por igual: los clasifica por nivel de riesgo (prácticas prohibidas, alto riesgo, riesgo limitado y riesgo mínimo) y reparte las obligaciones entre el proveedor y el responsable del despliegue.
- Gobernar los sistemas de IA empieza por saber cuáles existen dentro de la organización: un inventario vivo con la finalidad, los datos, el rol y el riesgo de cada sistema es la base de todo lo demás.
¿Qué es un sistema de IA?
La pregunta parece sencilla, pero su respuesta tiene consecuencias jurídicas directas. Con el Reglamento (UE) 2024/1689, conocido como Reglamento Europeo de IA, la etiqueta «sistema de IA» deja de ser una expresión de marketing para convertirse en el desencadenante de un régimen de obligaciones.
El texto la formula así:
«Sistema de IA»: un sistema basado en una máquina diseñado para funcionar con distintos niveles de autonomía, que puede mostrar capacidad de adaptación tras el despliegue y que, para objetivos explícitos o implícitos, infiere de la información de entrada que recibe la manera de generar información de salida, como predicciones, contenidos, recomendaciones o decisiones, que puede influir en entornos físicos o virtuales.
Esta definición procede del artículo 3, apartado 1 del Reglamento Europeo de IA. Conviene desmontarla en sus tres momentos. Primero hay una entrada: los datos, señales o instrucciones que el sistema recibe. Después hay una inferencia: el sistema deduce, a partir de esa entrada, la forma de producir un resultado, apoyándose en modelos, patrones o reglas lógicas que no se limitan a reproducir una instrucción literal. Por último hay una salida que influye en un entorno, capaz de alterar el mundo físico o un espacio digital.
Se trata, además, de una definición funcional y neutra respecto a la tecnología: describe lo que un sistema hace, no cómo está construido por dentro. Esa neutralidad es deliberada, ya que permite que la norma siga aplicándose a técnicas que aún no existen y evita que un proveedor eluda sus obligaciones apelando a una etiqueta técnica distinta.
Las siete características de un sistema de IA
Para reducir la inseguridad jurídica, la Comisión Europea publicó en febrero de 2025 unas directrices sobre la definición de sistema de IA. Ese documento descompone el concepto en siete características que ayudan a decidir, caso por caso, si una herramienta concreta entra en el ámbito del Reglamento. Puede consultarse en las directrices de la Comisión sobre la definición de sistema de IA.
Basado en máquina y autónomo
La primera característica es que el sistema esté «basado en una máquina». La expresión abarca cualquier soporte computacional, desde un servidor convencional hasta la computación cuántica emergente. No es un requisito exigente, pues casi todo el software lo cumple: solo delimita que hablamos de sistemas ejecutados sobre infraestructura de cómputo.
La segunda característica es la autonomía. El sistema debe funcionar con «distintos niveles de autonomía», lo que incluye grados muy limitados: basta con que exista algún margen de actuación independiente de la intervención humana directa en cada operación. En el extremo opuesto se sitúan los agentes de IA autónomos, capaces de encadenar acciones sin supervisión operación por operación.
La inferencia: el elemento determinante
De las siete características, la inferencia es la que traza la frontera. Las directrices lo dicen sin ambages: la capacidad de inferir cómo generar salidas es lo que distingue un sistema de IA del software ordinario. Un programa que se limita a ejecutar una secuencia de instrucciones fijadas por completo por sus autores no infiere nada; aplica lo que se le ha dicho.
La inferencia cubre dos grandes familias de técnicas. Por un lado, los enfoques de aprendizaje automático, que derivan patrones a partir de datos de entrenamiento. Por otro, los enfoques basados en el conocimiento y en la lógica, que razonan sobre reglas y representaciones simbólicas construidas por expertos. Ambos entran en el concepto siempre que exista esa capacidad de deducir la manera de producir un resultado.
Quedan fuera, en cambio, tres categorías. Los sistemas basados en reglas cuyo comportamiento está especificado en su totalidad por personas. Las heurísticas simples que aplican atajos predefinidos. Y el tratamiento básico de datos, como una hoja de cálculo que suma columnas o un filtro que ordena registros. Ninguno infiere; todos ejecutan.
Adaptabilidad, objetivos y salidas
La cuarta característica es la capacidad de adaptación, y aquí hay un matiz que se malinterpreta con frecuencia: el Reglamento dice que el sistema «puede» mostrar capacidad de adaptación tras el despliegue. No es un requisito. Un sistema que nunca modifica su comportamiento después de ponerse en marcha sigue siendo un sistema de IA si cumple las demás características, y exigir aprendizaje continuo dejaría fuera a la mayoría de los sistemas desplegados en producción.
La quinta característica son los objetivos, que pueden ser explícitos o implícitos. Un objetivo explícito está codificado de forma directa; uno implícito se desprende del comportamiento del sistema o de los datos con los que ha sido entrenado, aunque nadie lo haya enunciado formalmente.
La sexta y la séptima características cierran el círculo: las salidas y su influencia sobre el entorno. Las salidas adoptan cuatro formas reconocidas por el texto legal, es decir, predicciones, contenidos, recomendaciones o decisiones. Y deben poder influir en entornos físicos o virtuales, ya sea moviendo un brazo robótico, orientando una compra o denegando una solicitud.
Los tipos de sistemas de IA
Más allá de la definición jurídica, la comunidad técnica clasifica los sistemas de IA de dos maneras complementarias que ayudan a situar cada herramienta y a distinguir lo real de lo hipotético.
Por capacidad: IA estrecha, general y superIA
La primera clasificación atiende al alcance de la capacidad. La IA estrecha, también llamada IA débil, está diseñada para una tarea o un conjunto acotado de tareas: reconocer imágenes, traducir textos, recomendar productos, detectar fraude. Es la única clase que existe realmente en uso hoy, y a ella pertenecen todos los sistemas de IA que una organización utiliza a día de hoy, por sofisticados que parezcan.
La IA general, o IA general artificial (AGI), designaría un sistema capaz de igualar la inteligencia humana en cualquier dominio. Es un concepto teórico: no existe ningún sistema que responda a esa descripción. La superIA va más lejos e imagina una inteligencia que superaría con holgura la humana en casi todos los campos: una hipótesis especulativa, ajena a la realidad tecnológica actual.
Por funcionalidad: reactiva, de memoria limitada, teoría de la mente, autoconsciente
La segunda clasificación ordena los sistemas según su funcionalidad en cuatro niveles. Las máquinas reactivas responden a un estímulo presente sin conservar memoria de interacciones pasadas: reaccionan al estado actual y nada más.
Los sistemas de memoria limitada incorporan información reciente para mejorar sus respuestas. Aquí se sitúa casi todo el aprendizaje automático moderno: los grandes modelos de lenguaje, los sistemas de recomendación y la percepción de los vehículos autónomos funcionan sobre este principio. Es la categoría más relevante para cualquier organización, porque describe los sistemas de IA que se compran y se despliegan de verdad.
Los dos niveles restantes son prospectivos. La teoría de la mente designaría sistemas capaces de modelar creencias, intenciones y emociones ajenas; hoy es un campo de investigación, no un producto disponible. La IA autoconsciente pertenece al terreno de la especulación.
Cómo el Reglamento Europeo de IA clasifica los sistemas de IA por riesgo
El Reglamento no impone las mismas obligaciones a todos los sistemas de IA. Adopta un enfoque basado en el riesgo y los ordena en cuatro niveles, con exigencias que crecen conforme aumenta el peligro para la salud, la seguridad o los derechos fundamentales. Esta lógica escalonada conecta la definición con la gestión de riesgos y cumplimiento que debe articular cada organización.
El primer nivel son las prácticas prohibidas. El artículo 5 enumera ocho prácticas vedadas, aplicables desde el 2 de febrero de 2025, entre ellas la manipulación subliminal dañina, la puntuación social o ciertos usos de identificación biométrica. Ningún sistema que incurra en ellas puede comercializarse ni usarse en la Unión.
El segundo nivel es el alto riesgo, regulado en los artículos 6 a 49. Un sistema es de alto riesgo por dos vías. La primera, cuando actúa como componente de seguridad de un producto ya sujeto a la legislación de armonización de la Unión recogida en el anexo I. La segunda, cuando se destina a alguno de los ocho ámbitos del anexo III: biometría; infraestructuras críticas; educación y formación profesional; empleo y gestión de trabajadores; acceso a servicios esenciales, públicos y privados, incluidas la solvencia crediticia y los seguros; aplicación de la ley; migración, asilo y control de fronteras; y administración de justicia y procesos democráticos.
El tercer nivel es el riesgo limitado, sometido a obligaciones de transparencia en el artículo 50: el usuario debe saber que interactúa con una máquina. Un chatbot ha de revelar su naturaleza artificial, y los contenidos generados o manipulados por IA, incluidas las ultrafalsificaciones, deben etiquetarse como tales.
El cuarto nivel es el riesgo mínimo, que abarca la inmensa mayoría de los sistemas de IA de uso cotidiano, como los filtros de correo o los recomendadores de contenido. El Reglamento no les impone obligaciones específicas, si bien otras normas siguen siendo plenamente aplicables. En particular, cualquier tratamiento de datos personales continúa regido por el RGPD, cuya supervisión en España corresponde a la Agencia Española de Protección de Datos (AEPD).
Quién es responsable: proveedores y responsables del despliegue
El Reglamento reparte las obligaciones entre varios operadores, pero dos concentran el grueso de la responsabilidad. Entender quién es quién es un requisito previo de cualquier programa de gobernanza de la IA serio.
El proveedor, definido en el artículo 3, apartado 3, es quien desarrolla un sistema de IA o encarga su desarrollo y lo introduce en el mercado o lo pone en servicio bajo su propio nombre o marca.
El responsable del despliegue, definido en el artículo 3, apartado 4, es quien utiliza un sistema de IA bajo su propia autoridad, salvo cuando ese uso se enmarca en una actividad personal de carácter no profesional. La mayoría de las empresas que adquieren y aplican herramientas de IA de terceros ocupan esta posición.
La frontera entre ambos roles no es estanca. El artículo 25 establece que un responsable del despliegue se convierte en proveedor, y asume por tanto las obligaciones correspondientes, en tres supuestos: cuando pone su nombre o su marca sobre un sistema de alto riesgo ya comercializado; cuando modifica sustancialmente un sistema de alto riesgo; o cuando emplea para una finalidad de alto riesgo un sistema que no había sido concebido para ella.
Las obligaciones de gobernanza para los sistemas de IA
Cuando un sistema de IA se clasifica como de alto riesgo, el proveedor asume un catálogo de obligaciones que conforman, en la práctica, un sistema de gestión completo. Un marco de gobernanza de la IA bien diseñado traduce cada una de esas exigencias en procesos verificables.
Las obligaciones del proveedor de alto riesgo incluyen un sistema de gestión de riesgos (artículo 9); una gobernanza de datos que atienda a la calidad y a los sesgos de los conjuntos de entrenamiento, validación y prueba (artículo 10); documentación técnica (artículo 11); registros automáticos de eventos, es decir, trazabilidad mediante logs (artículo 12); transparencia e instrucciones de uso claras (artículo 13); supervisión humana efectiva (artículo 14); y niveles adecuados de exactitud, solidez y ciberseguridad (artículo 15). A ello se añaden un sistema de gestión de la calidad (artículo 17), la evaluación de la conformidad (artículo 43), el marcado CE y la inscripción en la base de datos de la Unión (artículo 49).
El responsable del despliegue tiene su propio conjunto, más reducido, en el artículo 26, que abarca desde el uso conforme a las instrucciones hasta la vigilancia del funcionamiento. Cuando el responsable es una autoridad pública o presta servicios públicos, el artículo 27 le exige además una evaluación de impacto sobre los derechos fundamentales antes de poner el sistema en marcha.
Los modelos de IA de uso general (GPAI) siguen su propia lógica. Sus proveedores deben elaborar documentación técnica y cumplir con las obligaciones en materia de derechos de autor. Cuando el modelo entraña un riesgo sistémico, presumido a partir de un umbral de 10^25 operaciones de coma flotante (FLOP) de cómputo de entrenamiento según el artículo 55, se suman obligaciones de evaluación del modelo y de notificación de incidentes graves.
Estas exigencias pueden estructurarse apoyándose en normas internacionales. La ISO 42001 define un sistema de gestión de la IA certificable, y el NIST AI RMF aporta un marco de gestión de riesgos que encaja con la arquitectura del Reglamento. El calendario de aplicación conviene tenerlo presente: las prohibiciones rigen desde febrero de 2025, las obligaciones de los GPAI desde agosto de 2025, las aplicaciones de alto riesgo del anexo III desde agosto de 2026 y los productos de alto riesgo del anexo I desde agosto de 2027.
De la definición a la gobernanza: crear un inventario de sistemas de IA
Todo lo anterior comparte un supuesto que rara vez se cumple: que la organización sabe qué sistemas de IA utiliza. En la realidad, la mayoría no lo sabe. Los modelos entran por la puerta de la contratación, se cuelan como funciones integradas en productos de terceros que se activan sin aviso y llegan a través de herramientas que los propios empleados adoptan por su cuenta. Este último fenómeno, la Shadow AI o IA en la sombra, es hoy uno de los mayores puntos ciegos del cumplimiento: no se puede gobernar lo que no se ha inventariado.
Por eso la gobernanza operativa empieza por un inventario vivo. No una hoja de cálculo anual, sino un registro que recoge, para cada sistema de IA, su finalidad, los datos que trata, el rol de la organización (proveedor o responsable del despliegue) y su nivel de riesgo conforme al Reglamento. Ese registro es el cimiento de la clasificación, la asignación de controles y la recopilación de evidencias.
AI Sigil mantiene precisamente ese registro vivo de sistemas de IA y de sus componentes. Cataloga cada sistema, lo clasifica frente a los marcos aplicables (el Reglamento Europeo de IA, la ISO 42001 o el NIST AI RMF) y le asocia los controles y las evidencias que demuestran el cumplimiento. Así, la definición jurídica del artículo 3 deja de ser un debate abstracto y se convierte en una decisión trazable: cada herramienta queda registrada, calificada y vinculada a las obligaciones que le corresponden. En un contexto en el que la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA) empieza a ejercer sus funciones de vigilancia, disponer de ese inventario ordenado deja de ser una buena práctica para convertirse en una necesidad demostrable.
Preguntas frecuentes
¿Toda herramienta de software con automatización es un sistema de IA? No. La automatización, por sí sola, no basta. Un programa que ejecuta reglas fijadas por completo por personas, una heurística simple o un tratamiento básico de datos no encaja en la definición del Reglamento, porque no infiere cómo generar sus salidas: aplica instrucciones predefinidas. El criterio decisivo es la inferencia. Solo cuando un sistema deduce, a partir de la información de entrada, la manera de producir predicciones, contenidos, recomendaciones o decisiones estamos ante un sistema de IA en sentido legal. Muchas automatizaciones de oficina, por avanzadas que parezcan, quedan fuera del concepto.
¿Un sistema de IA tiene que aprender o cambiar con el tiempo para serlo? No. Es uno de los malentendidos más frecuentes. La definición dice que un sistema de IA «puede» mostrar capacidad de adaptación tras el despliegue, y ese verbo es clave: describe una posibilidad, no una obligación. Un sistema cuyo comportamiento permanece fijo desde el momento en que se pone en marcha sigue siendo un sistema de IA si cumple las demás características, en particular la inferencia. Exigir aprendizaje continuo como condición dejaría fuera a la mayoría de los sistemas que operan en producción.
¿En qué se diferencia un proveedor de un responsable del despliegue? El proveedor desarrolla el sistema de IA, o encarga su desarrollo, y lo introduce en el mercado bajo su propio nombre o marca. El responsable del despliegue lo utiliza bajo su autoridad en un contexto profesional. La mayoría de las empresas son responsables del despliegue de herramientas de terceros. Sin embargo, el artículo 25 traslada la condición de proveedor a quien pone su marca sobre un sistema de alto riesgo, lo modifica de forma sustancial o lo emplea para una finalidad de alto riesgo distinta de la prevista.
¿Qué obligaciones tiene un sistema de IA de riesgo mínimo? El Reglamento no impone obligaciones específicas a los sistemas de IA de riesgo mínimo, que son la gran mayoría. Ahora bien, esa ausencia no equivale a un vacío normativo. Cualquier tratamiento de datos personales sigue sujeto al RGPD, con la AEPD como autoridad de control en España, y pueden aplicarse otras normas sectoriales. Además, aunque la ley no lo exija, registrar también estos sistemas en el inventario resulta prudente: un sistema clasificado hoy como de riesgo mínimo puede cambiar de categoría si se le da un uso nuevo.
¿Los grandes modelos de lenguaje son sistemas de IA de alto riesgo? No de manera automática. Un gran modelo de lenguaje es, por funcionalidad, un sistema de memoria limitada, y el Reglamento lo trata en primer lugar como modelo de IA de uso general, con obligaciones de documentación y de derechos de autor. El nivel de riesgo depende del uso concreto: si el modelo se integra en un sistema destinado a un ámbito del anexo III, como la selección de personal, ese sistema será de alto riesgo. Si supera el umbral de 10^25 FLOP de entrenamiento, se presume además un riesgo sistémico con obligaciones adicionales de evaluación y notificación.
¿Cómo saber si una organización debe cumplir con el Reglamento Europeo de IA? El primer paso es inventariar los sistemas de IA en uso y contrastar cada uno con la definición del artículo 3. Después se determina el rol de la organización, proveedor o responsable del despliegue, y se clasifica cada sistema por nivel de riesgo. De ese cruce entre definición, rol y riesgo se deduce el conjunto de obligaciones aplicables y su calendario. Sin un inventario previo, la evaluación se apoya en suposiciones; con él, se convierte en un ejercicio verificable que puede sostenerse ante un supervisor como la AESIA.
Conclusión
Los sistemas de IA ya no se definen por lo llamativo de su tecnología, sino por una función reconocida en derecho: la capacidad de inferir, a partir de una entrada, cómo generar salidas que influyen en un entorno. Esa definición funcional del artículo 3, las siete características que la desarrollan y la clasificación por riesgo forman el andamiaje sobre el que descansan las obligaciones del Reglamento Europeo de IA. Pero ningún andamiaje sirve si la organización ignora qué sistemas de IA tiene en marcha. El paso decisivo es pasar de la definición a la práctica mediante un inventario vivo que registre finalidad, datos, rol y riesgo de cada sistema. AI Sigil convierte ese inventario en el punto de partida de una gobernanza demostrable, donde cada sistema queda clasificado, controlado y respaldado por evidencias.