Gobernanza y derecho

La Ley de IA europea: lo que las empresas deben anticipar

18 de julio de 2026 6 min de lectura
Kamel Malek Director de SetRecord.ai

La mayoría de las conversaciones sobre cumplimiento normativo en torno a la Ley de IA europea empiezan y terminan con una sola pregunta: «¿desarrollamos o desplegamos un sistema de IA?». Ese enfoque pasa por alto el riesgo que realmente llega a los equipos de marketing, legal y comunicación — la ley redefine lo que el público espera de cualquier sistema de IA que hable de su organización, lo haya construido usted o no.

Lo que la ley realmente hace

La Ley de IA europea es una regulación basada en el riesgo, no una restricción general de la inteligencia artificial. En lugar de tratar todos los modelos por igual, los clasifica según el daño que podrían causar de forma plausible y asigna obligaciones proporcionales a ese daño. Un filtro antispam y un sistema usado para preseleccionar candidaturas son ambos «IA», pero solo uno de ellos conlleva un peso jurídico significativo bajo la ley.

Para la mayoría de las empresas, la relevancia práctica no es construir un sistema de alto riesgo — es el hecho de que los sistemas de IA de propósito general, los que responden preguntas sobre su marca, sus directivos y su trayectoria, entran por primera vez en un marco formal de transparencia. Eso cambia la base de lo que significa un «comportamiento de IA aceptable», tanto pública como jurídicamente.

Para un equipo de comunicación o legal, este cambio se traduce menos en un formulario de cumplimiento que rellenar y más en un cambio de las expectativas públicas. Los periodistas que cubren su sector son cada vez más conscientes de que un resumen generado por IA sobre una empresa constituye una categoría de contenido distinta, no simplemente «lo que dice Google», y empiezan a preguntar a sus fuentes si el relato de la IA coincide realmente con los hechos. Es un cambio cultural que la regulación acelera, no uno que invente de la nada.

Los cuatro niveles de riesgo, en términos sencillos

La estructura de la ley se recuerda mejor como una pirámide que como una lista de definiciones:

  • Riesgo inaceptable — las prácticas consideradas incompatibles con los derechos fundamentales, como ciertas formas de IA manipuladora o explotadora, quedan directamente prohibidas.
  • Riesgo alto — los sistemas usados en ámbitos como el empleo, la calificación crediticia, las infraestructuras críticas o la aplicación de la ley cargan con las obligaciones más pesadas: gestión de riesgos, documentación, supervisión humana y evaluación de conformidad.
  • Riesgo limitado — aquí es donde suelen situarse los chatbots de propósito general y los sistemas generadores de contenido. El deber central es la transparencia: las personas deben saber que interactúan con una IA, y el contenido generado por IA debe ser identificable como tal.
  • Riesgo mínimo — la gran mayoría de los usos cotidianos de la IA, sin obligaciones específicas más allá del derecho ya existente.

Muy pocas de las organizaciones que leen esto operan un sistema de alto riesgo. Casi todas están afectadas por el nivel de riesgo limitado, porque regula los asistentes que sus clientes, periodistas e inversores ya usan para preguntar sobre ellas.

La categoría en la que se sitúa un producto concreto dentro de esta pirámide depende de su uso previsto, no de su tecnología subyacente — el mismo gran modelo de lenguaje puede impulsar un asistente de redacción de riesgo mínimo y, integrado de otra forma, una herramienta de contratación de alto riesgo. Esta clasificación basada en el uso conviene tenerla presente antes de suponer que un producto de IA es automáticamente de bajo riesgo solo porque «se limita a responder preguntas».

Las obligaciones de transparencia que importan aquí

Dos principios de transparencia pesan especialmente para la integridad de la información. Primero, los sistemas diseñados para conversar con personas, por lo general, no deben presentarse como humanos sin advertirlo. Segundo, el contenido sintético —texto, imagen, audio o vídeo generado o manipulado por IA— se espera cada vez más que sea identificable, mediante etiquetado, divulgación o marcado técnico.

Ninguna de las dos obligaciones exige directamente que un proveedor de modelos sea factualmente exacto sobre su empresa. La transparencia no es lo mismo que la exactitud: un modelo puede divulgar que es una IA y, en la misma frase, afirmar algo falso sobre su director ejecutivo. Es precisamente en esa brecha donde vive el riesgo reputacional, y por eso la verificación independiente de lo que los modelos realmente dicen sigue siendo necesaria, más allá de lo que exija la regulación aguas arriba.

Los proveedores de modelos de propósito general también cargan con deberes documentales que existen aguas arriba de cualquier salida individual: mantener documentación técnica a disposición de los reguladores y de los integradores posteriores, y publicar un resumen de las grandes categorías de contenido usadas para entrenar el modelo. Nada de esto garantiza que un modelo no vaya a afirmar algo falso sobre su empresa, pero sí significa, en principio, que la materia prima detrás de una respuesta es algo menos opaca que antes, lo cual resulta útil cuando intenta averiguar de dónde vino un error.

¿No sabe qué dice hoy la IA de usted?

Una auditoría SetRecord consulta los modelos de IA compatibles sobre su organización y mide la brecha con los hechos verificables — en cinco días hábiles.

Solicitar una auditoría

Por qué esto crea una exposición reputacional indirecta

Esto es lo que la mayoría de las checklists de cumplimiento pasan por alto. La ley formaliza una expectativa pública: las respuestas generadas por IA sobre personas y organizaciones deben ser identificables, rastreables y —de forma implícita— lo bastante fiables como para etiquetarse como producción de una máquina en lugar de presentarse como un hecho neutral. A medida que esa expectativa se normaliza, la brecha entre lo que un modelo dice de su marca y lo que muestra su registro oficial se vuelve más visible, no menos. Periodistas, reguladores y clientes saben cada vez más preguntar: «¿esto lo generó una IA, y es exacto?».

Una empresa no necesita ser «proveedor» ni «responsable del despliegue» según la ley para sentir esto. Si diez asistentes principales describen su organización de forma incoherente, o le atribuyen por error una demanda, un producto o un antiguo directivo, esa incoherencia se inscribe ahora en un clima regulatorio que trata la transparencia de la IA como una base, no como un extra. Su silencio se lee cada vez más como negligencia que como neutralidad.

La exposición suele ser más marcada para organizaciones que de entrada tienen poca cobertura en línea. Una gran empresa cotizada normalmente dispone de suficiente contenido verificado en circulación como para que un modelo tenga varias fuentes exactas de las que tirar; una empresa mediana, una institución pública o una compañía recién fundada puede tener solo un puñado de páginas indexadas, y una sola página inexacta puede acabar pesando de forma desproporcionada en lo que un modelo afirma sobre ella.

El calendario de aplicación, de un vistazo

La ley entró en vigor en 2024 con un calendario de aplicación escalonado en lugar de una fecha única: las prácticas prohibidas se volvieron exigibles primero, las obligaciones para los modelos de IA de propósito general llegaron aproximadamente un año después, y el grueso de los requisitos para sistemas de alto riesgo se aplica en un horizonte más largo, con plazos adicionales para ciertas categorías. Las fechas y el alcance exactos se siguen precisando mediante normas de desarrollo, así que trate cualquier fecha concreta como orientativa, no como sustituto de un asesoramiento jurídico sobre su situación.

Lo que importa a nivel operativo es la dirección del movimiento: las obligaciones se endurecen por fases, no de golpe, lo que da a la mayoría de las organizaciones una ventana realista para construir los hábitos descritos a continuación antes de que la aplicación las alcance por completo. Como las normas de desarrollo siguen evolucionando, el enfoque práctico para la mayoría de las organizaciones es tratar el cumplimiento como un programa continuo en lugar de una fecha límite única que superar — así, la fecha concreta que finalmente se aplique a su sector se convierte en un trámite y no en una carrera contra el reloj.

Preparar su organización desde ahora

Tres acciones merecen la pena, sea cual sea el grado de aplicación directa de la ley a su caso:

  • Inventariar su exposición a la IA — no solo las herramientas que despliega, sino cómo describen hoy los asistentes externos a su organización cuando se les pregunta.
  • Documentar su fuente de verdad — una ficha de hechos mantenida al día y citable reduce la probabilidad de que un modelo tenga que adivinar, y le da un punto de referencia cuando se equivoca.
  • Asignar responsabilidad — alguien de legal, comunicación o confianza y seguridad debería encargarse del seguimiento del relato de IA igual que ya se encarga del seguimiento de prensa.
  • Ensayar la respuesta — un proceso documentado que nunca se ha probado tiende a fallar justo cuando hace falta; repáselo una vez frente a un error hipotético antes de que aparezca uno real.

Nada de esto exige convertirse en especialista de la Ley de IA. Exige tratar las salidas de los modelos sobre su organización como una superficie pública que se vigila, igual que ya vigila la cobertura de prensa y los resultados de búsqueda — anclada en pruebas verificables en vez de en suposiciones, y revisada con asesoría legal cuando una obligación concreta siga siendo realmente incierta.

Vea lo que la IA dice de usted

Una auditoría SetRecord compara las respuestas de los modelos de IA compatibles con sus hechos verificables — en cinco días hábiles.