Lo esencial
- El aseguramiento de IA es el proceso mediante el cual se mide, se evalúa y se comunica lo que un sistema de inteligencia artificial hace realmente. Produce pruebas, no opiniones.
- Aseguramiento, auditoría, evaluación de la conformidad, certificación y acreditación designan cinco realidades distintas, y confundirlas es la vía más rápida para contratar el servicio equivocado.
- Conforme al reglamento europeo, la mayoría de los proveedores de sistemas de alto riesgo se autoevalúan. El dispositivo interno de aseguramiento de IA no prepara por tanto la evaluación de la conformidad: la constituye.
- La norma
ISO/IEC 42001certifica el sistema de gestión, mientras queISO/IEC 42006:2025regula qué organismos pueden emitir ese certificado. Este segundo nivel falta en casi todas las explicaciones. - Un certificado lleva fecha y un modelo lleva versión. Por eso el aseguramiento debe ser continuo en lugar de anual.
Qué significa realmente el aseguramiento de IA
La definición de referencia procede del Gobierno británico, que describe esta disciplina como el proceso de medir, evaluar y comunicar la fiabilidad de un sistema de inteligencia artificial. Cada uno de esos tres verbos introduce una exigencia propia, y omitir cualquiera de ellos es donde la mayoría de los programas fracasa.
Medir supone recabar datos sobre el comportamiento efectivo del sistema: acierto por subgrupos, modos de fallo, respuesta bajo carga y reacción ante entradas que nunca aparecieron durante el entrenamiento. Evaluar consiste en contrastar esas mediciones con un patrón que otros reconozcan, ya sea una norma, un umbral regulatorio o un apétito de riesgo formalizado. Comunicar significa presentar el resultado ante quienes deben tomar decisiones, en una forma que también les permita rebatirlo.
La distinción decisiva separa el aseguramiento de la fiabilidad misma. La fiabilidad es una propiedad que se afirma de un sistema. El aseguramiento es el dispositivo que vuelve comprobable esa afirmación. Una organización puede disponer de un modelo genuinamente bien construido y carecer por completo de aseguramiento, sencillamente porque no está en condiciones de demostrar esa calidad ante un tercero. El caso contrario también existe y resulta más peligroso: una documentación voluminosa que ninguna medición respalda.
Por esa razón el aseguramiento de IA se sitúa dentro de la gobernanza de la IA y no junto a ella. La gobernanza decide qué va a hacer y qué no va a hacer la organización con la inteligencia artificial, quién responde de ello y qué umbrales rigen. El aseguramiento es la maquinaria probatoria que indica si esas decisiones se sostienen en producción.
Aseguramiento, auditoría, certificación y evaluación de la conformidad no son lo mismo
Estos términos circulan como si fueran intercambiables. No lo son, y las diferencias determinan a quién se contrata, qué se obtiene y si una autoridad lo aceptará.
| Término | Qué es | Quién lo ejecuta | Qué produce | ¿Obligatorio? |
|---|---|---|---|---|
| Aseguramiento | El proceso global de medir, evaluar y comunicar la fiabilidad | Equipos internos, clientes, proveedores independientes | Pruebas y una afirmación sustentada | No, pero es como se satisface lo que sí lo es |
| Auditoría | Un mecanismo concreto dentro de aquel: un examen estructurado frente a criterios definidos | Auditoría interna o una firma externa | Un informe con hallazgos | A veces, según la normativa sectorial |
| Evaluación de la conformidad | El procedimiento regulatorio europeo que demuestra que un producto cumple los requisitos legales antes de su comercialización | El propio proveedor o un organismo notificado | Declaración de conformidad y marcado CE | Sí, para sistemas de alto riesgo |
| Certificación | La atestación por un tercero de que un sistema de gestión cumple una norma | Un organismo de certificación acreditado | Un certificado con fecha de caducidad | No, es voluntaria |
| Acreditación | La verificación de que el organismo de certificación es competente | La entidad nacional de acreditación, en España ENAC | La acreditación del certificador | Afecta al certificador, no a usted |
De ahí se sigue una consecuencia práctica: un certificado ISO/IEC 42001 no extingue ninguna obligación derivada del reglamento europeo, y superar una evaluación de la conformidad no convierte en madura una gobernanza. Ambos responden a preguntas distintas ante interlocutores distintos. La auditoría de IA es uno de los instrumentos con los que se genera aseguramiento de IA, y su calidad depende en gran medida de cuán auditable se diseñó el sistema desde el principio. Incorporar esa cualidad después de la puesta en servicio resulta caro y casi siempre deja huecos.
Los siete mecanismos de aseguramiento y qué demuestra cada uno
La guía británica recoge una caja de herramientas de mecanismos de aseguramiento de IA. La lectura más útil no es la de un catálogo de actividades, sino la de una lista de pruebas, porque es la prueba lo que sobrevive a la reunión.
- El análisis de riesgos identifica qué puede salir mal y con qué gravedad. Prueba resultante: un registro de riesgos con responsables, valoraciones y decisiones de tratamiento.
- La evaluación de impacto mira hacia fuera, hacia las personas, los derechos y la igualdad de trato. Prueba resultante: una valoración que nombra a los colectivos afectados y las medidas de mitigación.
- La auditoría de sesgos examina entradas y salidas en busca de disparidades injustificadas. Prueba resultante: métricas por subgrupo, con la definición de equidad empleada explícitamente declarada. El asunto se desarrolla en el artículo sobre sesgos de la IA.
- La auditoría de cumplimiento verifica el respeto de políticas internas, normas y compromisos contractuales. Prueba resultante: un registro de hallazgos control por control.
- La evaluación de la conformidad demuestra que un producto satisface los requisitos legales antes de entrar en el mercado. Prueba resultante: documentación técnica y declaración de conformidad.
- La verificación formal recurre a métodos matemáticos para probar que un sistema satisface una especificación. Prueba resultante: una demostración cuyas hipótesis deben constar por escrito. Poco frecuente fuera de ámbitos críticos y nunca más sólida que sus propias hipótesis.
- Las pruebas de rendimiento confrontan el sistema con conjuntos de referencia y umbrales. Prueba resultante: resultados fechados y vinculados a una versión concreta del modelo. Es el terreno de la evaluación comparativa de modelos.
Seis de los siete mecanismos generan un documento cuyo valor se deteriora con el tiempo. Esa caducidad constituye el verdadero problema operativo del aseguramiento de IA, bien resuelto en un programa maduro de gestión de riesgos de IA y desatendido en casi todos los demás.
Quién realiza el aseguramiento de IA: primera, segunda y tercera parte
El aseguramiento de IA se clasifica según quién lo ejecuta, y el grado de independencia altera por completo el valor de la afirmación obtenida.
El aseguramiento de primera parte es una autoevaluación: el equipo que construyó el sistema lo evalúa por sí mismo. Rápido, económico, profundamente informado y estructuralmente en conflicto de intereses. El aseguramiento de segunda parte procede de un actor con interés comercial en el resultado, habitualmente un cliente que examina a su proveedor durante la contratación. El aseguramiento de tercera parte lo realiza un proveedor independiente sin interés en el desenlace, y es la única modalidad que pesa ante una autoridad o ante un comprador escéptico.
Por qué el mercado de tercera parte sigue siendo inmaduro
La hoja de ruta británica sobre aseguramiento de tercera parte, publicada en septiembre de 2025, puso cifras al fenómeno. El mercado británico reunía en 2024 unas 524 empresas por un valor cercano a 1.010 millones de libras, con una proyección de 18.800 millones para 2035 si se despejan los obstáculos.
Conviene nombrar esos obstáculos, porque explican por qué hoy resulta tan difícil contratar aseguramiento de IA. El documento señala una carencia de patrones de calidad, dado que las certificaciones de IA existentes rara vez están acreditadas, una escasez de perfiles que combinen aprendizaje automático, derecho, ética y normalización, un acceso restringido a la información, puesto que los proveedores no comparten ni datos de entrenamiento ni detalles internos del modelo, y muy pocos foros dedicados a desarrollar técnicas de aseguramiento continuo.
La respuesta se ordena en tres modelos sucesivos: primero la certificación de profesionales a título individual, después la certificación de procesos y por último la acreditación de firmas. Un fondo de innovación de 11 millones de libras y un consorcio presidido por la BCS acompañan el proceso. Para quien compra, el mensaje es sencillo: durante algunos años habrá que verificar personalmente las credenciales del proveedor elegido, porque el mercado aún no ha fijado qué significa ser competente en esta materia.
Cómo el aseguramiento de IA alimenta la cadena probatoria del reglamento europeo
Aquí es donde se detiene la mayoría de las guías, y es precisamente lo que determina la exposición jurídica.
El artículo 43 del reglamento europeo contempla dos vías de evaluación de la conformidad para los sistemas de alto riesgo. La primera se apoya en el control interno del anexo VI y no implica a ningún organismo notificado. La segunda, regulada en el anexo VII, incorpora a un organismo notificado que examina tanto el sistema de gestión de la calidad como la documentación técnica.
Qué vía resulta aplicable no es una elección libre para la mayoría de los proveedores. Para los sistemas de alto riesgo del punto 1 del anexo III, relativo a la biometría, el proveedor puede optar por cualquiera de las dos. Para los puntos 2 a 8 del anexo III, que abarcan infraestructuras críticas, educación, empleo, servicios esenciales, actividades policiales, migración y administración de justicia, rige la vía del control interno. Una excepción acotada atribuye el papel de organismo notificado a la autoridad de vigilancia del mercado cuando los sistemas son puestos en servicio por autoridades policiales, de inmigración o de asilo, o por instituciones de la Unión. En España, la AESIA asume la función de supervisión en este ámbito.
La consecuencia merece enunciarse sin rodeos. Para la gran mayoría de los sistemas de alto riesgo nadie acudirá desde fuera a inspeccionar el sistema antes de su comercialización. Es el propio proveedor quien firma la declaración. Dicho de otro modo, el dispositivo interno de aseguramiento de IA no prepara la evaluación de la conformidad: la constituye, y solo la calidad de las pruebas internas separa una declaración veraz de una falsa.
Esas pruebas alimentan después una cadena de obligaciones sucesivas: la documentación técnica del anexo IV, la declaración UE de conformidad, el marcado CE, la inscripción en la base de datos europea y la vigilancia poscomercialización. Cada eslabón consume artefactos que el proceso de aseguramiento de IA debería haber generado. Encauzar pronto los requisitos de documentación hace manejable todo lo demás, y el panorama regulatorio más amplio añade obligaciones paralelas en otras jurisdicciones. La AEPD, por su parte, publica criterios que se solapan de forma útil con estas expectativas en materia de protección de datos.
Qué concede realmente el aplazamiento del Digital Omnibus
El calendario ha cambiado. El Digital Omnibus entró en vigor el 27 de julio de 2026 y, según la Comisión Europea, las reglas aplicables a los sistemas autónomos de alto riesgo del anexo III rigen ahora desde el 2 de diciembre de 2027, mientras que las relativas a la IA incorporada en productos regulados del anexo I lo hacen desde el 2 de agosto de 2028.
La aplicabilidad general y las obligaciones de transparencia no se aplazaron y surtieron efecto el 2 de agosto de 2026. La lectura correcta no es, por tanto, la de una anulación. Los proveedores obtuvieron tiempo adicional precisamente porque las normas y las herramientas no estaban listas. Las organizaciones que traten ese intervalo como tiempo de construcción dispondrán de una cadena probatoria operativa cuando llegue la fecha. Las que lo interpreten como una tregua acabarán reconstruyendo tres años de documentación a posteriori, que es justamente el fracaso que el aplazamiento pretendía evitar.
Las normas convierten el aseguramiento de IA en algo que una autoridad acepta
La guía británica lo formula sin rodeos: «sin normas tenemos consejos, no aseguramiento». Una medición solo significa algo si el patrón es compartido.
Cuentan tres capas. La norma ISO/IEC 42001 especifica el sistema de gestión de la inteligencia artificial, esto es, el aparato organizativo que gobierna la IA a lo largo de su ciclo de vida. Por debajo, la norma ISO/IEC 42006:2025, publicada el 7 de julio de 2025 por ISO/IEC JTC 1/SC 42, fija los requisitos aplicables a los organismos que auditan y certifican un sistema de gestión de IA, apoyándose en ISO/IEC 17021-1. Es la capa que casi todas las explicaciones omiten, y responde a la pregunta que cualquier comprador debería formular siempre: quién certificó al certificador y con arreglo a qué criterios de competencia.
Por encima se sitúa el mecanismo de las normas armonizadas. Conforme al artículo 40 del reglamento, la conformidad con una norma armonizada publicada en el Diario Oficial confiere una presunción de conformidad con el requisito legal correspondiente. Los organismos europeos de normalización trabajan en proyectos al amparo del mandato M/593; aún no están publicados como normas armonizadas y, hasta que lo estén, corresponde al proveedor argumentar la suficiencia de sus propios métodos. En cuanto al vocabulario de la medición, el NIST AI Risk Management Framework sigue siendo la lengua común más extendida, en particular su función Measure. Una comparación de los marcos ayuda a decidir en cuál apoyarse.
Certificado puntual frente a aseguramiento de IA continuo
Un certificado lleva fecha. Un modelo lleva versión, y la versión cambia.
Ahí reside la tensión estructural que el cumplimiento tradicional nunca tuvo que afrontar. Un control financiero probado en marzo se comporta igual en septiembre. Un modelo reentrenado con tres meses de datos nuevos, no necesariamente. Desplazamiento de distribuciones, deriva de concepto, un modelo fundacional actualizado bajo su aplicación, una instrucción modificada o una nueva fuente de datos: cualquiera de estos sucesos puede invalidar un resultado de prueba sin que se haya presentado solicitud de cambio alguna.
La respuesta del reglamento se denomina vigilancia poscomercialización, obligación permanente de seguir el comportamiento del sistema sobre el terreno y de actuar sobre lo que aflore. La noción de modificación sustancial opera en la misma dirección al definir el umbral a partir del cual procede una nueva evaluación. Ambas apuntan a lo mismo: el aseguramiento de IA es una función continua, y una auditoría anual es una instantánea ya caducada en el momento de firmarse.
En la práctica esto obliga a instrumentar el sistema para que las pruebas se regeneren con una cadencia y no según el calendario de proyectos. Métricas de rendimiento a intervalos periódicos, detección de deriva con umbrales definidos y una ruta establecida entre la anomalía detectada y la decisión documentada. La notificación de incidentes cierra el ciclo al convertir los fallos en sucesos trazados en lugar de en anécdotas de pasillo.
Construir un modelo operativo de aseguramiento de IA
La unidad básica del aseguramiento de IA es la prueba, y un modelo operativo viable se reduce en esencia a mantener cinco campos asociados a cada una de ellas: la afirmación que sostiene, el control que satisface, la prueba misma, su responsable y la fecha en que se produjo. Si falta uno solo, el artefacto no resistirá el escrutinio.
El reparto de responsabilidades sigue razonablemente bien el modelo de las tres líneas. La primera línea, los equipos que construyen y operan los sistemas, genera las pruebas. La segunda, riesgos y cumplimiento, define qué pruebas se exigen y comprueba que existan. La tercera, la auditoría interna, verifica de forma independiente si las dos anteriores están haciendo su trabajo. El Institute of Internal Auditors atribuye expresamente a la auditoría interna el papel de proveedor de aseguramiento sobre la IA, validando los controles internos empleados para gestionar sus riesgos.
Un conjunto documental mínimo comprende el registro de riesgos, los resultados de prueba y evaluación vinculados a versiones del modelo, la documentación de los datos con procedencia y limitaciones conocidas, los registros de supervisión humana que acrediten que los revisores revisaron efectivamente, un registro de cambios y otro de incidentes. La plantilla de autoevaluación de seguridad publicada por el Alan Turing Institute, dentro de su serie con licencia abierta dedicada a la ética y la gobernanza de la IA, constituye un punto de partida gratuito y solvente. Organiza la seguridad en torno al rendimiento, la fiabilidad, la seguridad y la robustez, en estrecha correspondencia con los requisitos de exactitud, robustez y ciberseguridad del artículo 15.
La prueba del modelo es sencilla. Escoja una afirmación que su organización formule sobre un sistema de IA e intente vincularla a un artefacto fechado con un responsable identificado. En la mayoría de los casos la cadena se rompe ya en el segundo paso, y esa es exactamente la brecha que un programa de cumplimiento de IA está llamado a cerrar.
Preguntas frecuentes
¿Qué es el aseguramiento de IA?
El aseguramiento de IA es el proceso mediante el cual se mide, se evalúa y se comunica la fiabilidad de un sistema de inteligencia artificial. Medir recoge datos sobre su comportamiento real, evaluar los contrasta con un patrón reconocido y comunicar lleva el resultado ante quienes deben decidir. El producto final es una prueba que permite a alguien distinto del equipo constructor verificar una afirmación.
¿Es lo mismo que una auditoría de IA?
No. La auditoría es uno de los mecanismos del aseguramiento de IA: un examen estructurado frente a criterios definidos que desemboca en un informe con hallazgos. El aseguramiento de IA es el proceso que los engloba a todos, incluidos el análisis de riesgos e impactos, las pruebas de rendimiento, la vigilancia continua y la comunicación de resultados. Una auditoría aislada sigue siendo una instantánea y no equivale a una capacidad permanente.
¿Exige el reglamento europeo un aseguramiento de tercera parte?
En la mayoría de los casos no. El artículo 43 encauza los sistemas de alto riesgo de los puntos 2 a 8 del anexo III hacia el control interno del anexo VI, sin organismo notificado alguno. Solo los sistemas del punto 1 del anexo III, referidos a la biometría, abren una elección, con una excepción acotada que confiere ese papel a la autoridad de vigilancia del mercado. La autoevaluación es por tanto la regla, lo que eleva y no rebaja el listón exigible a las pruebas internas.
¿Qué normas respaldan el aseguramiento de IA?
La norma ISO/IEC 42001 define el sistema de gestión de la IA. La norma ISO/IEC 42006:2025 establece los requisitos para los organismos que auditan y certifican frente a la anterior. El NIST AI RMF aporta un vocabulario de medición ampliamente compartido. Conforme al artículo 40 del reglamento, las normas armonizadas publicadas en el Diario Oficial conferirán una presunción de conformidad, si bien los proyectos europeos correspondientes aún no se han publicado con ese carácter.
¿Quién puede realizar el aseguramiento de IA?
Pueden hacerlo los equipos internos, los clientes y los proveedores independientes, y la etiqueta importa. El aseguramiento de primera parte es una autoevaluación informada pero con conflicto de intereses. El de segunda parte procede de un actor comercialmente interesado, a menudo un cliente comprador. El de tercera parte es independiente y pesa más de cara al exterior. Como el mercado aún no se ha asentado, conviene verificar directamente credenciales y metodología en lugar de confiar en un sello.
¿Con qué frecuencia debe repetirse?
Con la misma frecuencia con que cambia el sistema, lo que para la mayoría de los sistemas de aprendizaje automático significa de forma continua y no una vez al año. Conviene ligar la regeneración de las pruebas a desencadenantes concretos: un reentrenamiento, un cambio del modelo fundacional subyacente, una nueva fuente de datos, la superación de un umbral de deriva o un incidente notificado. Una revisión meramente calendarizada le dejará defendiendo un certificado que describe una versión que ya no está en producción.
Conclusión
El aseguramiento de IA es menos un proyecto que un hábito: producir pruebas de forma continua para que cualquier afirmación sobre un sistema pueda sostenerse el día en que alguien la cuestione. Las organizaciones que atraviesen con holgura los próximos años no serán las de políticas más voluminosas. Serán las capaces de vincular una afirmación a un artefacto fechado, nombrar a su responsable e indicar cuándo se revalidó por última vez.
Los plazos europeos aplazados, diciembre de 2027 para los sistemas autónomos de alto riesgo y agosto de 2028 para los productos que incorporan IA, son tiempo de construcción. Las obligaciones no se han reducido y, dado que la autoevaluación es la regla, la calidad de sus pruebas internas constituye el único control efectivo. Empiece por un sistema de alto riesgo y recorra una sola afirmación de principio a fin. Las brechas que encuentre le dirán qué necesita realmente su programa.