Introducción

La irrupción de la inteligencia artificial en las organizaciones ha dejado de ser una cuestión meramente operativa para convertirse en una materia estructural de gobierno corporativo. Ya no se trata solamente de incorporar herramientas para garantizar mayor productividad, automatizar tareas o mejorar procesos internos; sino que, además, primará definir quién decide, bajo qué criterios, qué datos serán usados y/o tratados, bajo qué controles, sometido a qué responsabilidad y frente a qué estándares de integridad, transparencia y sostenibilidad.

La experiencia reciente demuestra que la IA puede fortalecer la toma de decisiones, anticipar riesgos, ordenar grandes volúmenes de información y mejorar la capacidad de respuesta institucional. Sin embargo, también puede ocasionar sesgos, opacidad, errores sofisticados, dependencia tecnológica, afectación de derechos, pérdida de trazabilidad, uso indebido de datos personales y daños reputacionales; por lo cual, subyace de forma manifiesta la necesidad de desplazar el debate desde la fascinación tecnológica hacia la gobernanza responsable.

En tal sentido, el gobierno corporativo, conforme la visión de los Lineamientos para un Código Latinoamericano de Gobierno Corporativo de CAF, no es una fórmula abstracta, ni un conjunto ritual de buenas prácticas, sino un sistema de principios, normas y prácticas que permite dirigir, controlar, gestionar riesgos, promover transparencia, rendir cuentas y crear valor sostenible a largo plazo.1

Bajo esta óptica, la IA debe ser implementada dentro de la arquitectura de control de la organización y no, como una excepción tecnológica administrada únicamente desde áreas técnicas. Esta premisa coincide con la advertencia formulada por la mencionada Institución Multilateral al analizar la relación entre inteligencia artificial y gobierno corporativo, porque el verdadero desafío es definir cómo debe gobernarse la IA para que contribuya al propósito organizacional, fortalezca la confianza de los stakeholders y genere sostenibilidad en el largo plazo.2

Por ello, la tesis central de este trabajo puede ceñirse bajo la hipótesis que una política de IA sin gobierno corporativo resulta, una directriz carente de sustento decisional; un marco de gestión sin compliance, será extremadamente vulnerable; y una estrategia de innovación sin integridad, transparencia, privacidad y sostenibilidad puede transformarse en una fuente de riesgo institucional, antes que en una ventaja competitiva.

Desde una perspectiva jurídica, el problema central ya no se agota en determinar si el sistema es técnicamente apto, sino en definir cómo se atribuye la decisión, qué deberes de diligencia recaen sobre el órgano de administración y la alta gerencia, qué controles deben documentarse y qué mecanismos permiten reconstruir, explicar y revisar el flujo decisorio cuando intervienen modelos algorítmicos, por lo que, la gobernanza de la IA se convierte así, en una cuestión de diseño jurídico de los sistemas de decisión corporativa.3

Gobierno corporativo y su vinculación con la IA

El gobierno corporativo moderno opera como una arquitectura de dirección, supervisión y control. Su finalidad no se agota en ordenar relaciones entre propiedad, directorio y alta gerencia, sino que comprende la creación de condiciones institucionales para que las decisiones se adopten con información suficiente (transparencia), controles adecuados (arquitectura), responsabilidad asignada (alta dirección) y mirada de largo plazo (sostenibilidad corporativa).

La IA tensiona cada uno de esos pilares, en tanto, al directorio porque introduce decisiones estratégicas sobre adopción tecnológica, apetito de riesgo, inversión, proveedores, datos y reputación; a la alta gerencia, porque exige transformar políticas en procesos operativos verificables; a la arquitectura de control, porque incorpora riesgos dinámicos, modelos probabilísticos, datos masivos y decisiones automatizadas o asistidas; a la transparencia porque obliga a explicar usos, límites, impactos y responsabilidades; y finalmente, a la sostenibilidad corporativa porque la eficiencia no puede medirse sólo en términos económicos, sino también sociales, ambientales y de gobernanza.

Los Principios G20/OCDE de Gobierno Corporativo de 2023 refuerzan esta lectura al asignar al Directorio la supervisión de las políticas y procedimientos de gestión de riesgos, la definición del apetito de riesgo y la consideración de cuestiones materiales de sostenibilidad y resiliencia. La digitalización, la seguridad de los datos y la privacidad deben, por ende, integrarse al marco general de riesgos corporativos y no gestionarse como compartimentos técnicos aislados.3

En el caso de las entidades financieras locales, los Lineamientos para el Gobierno Societario del BCRA exigen un código de gobierno que comprenda a toda la entidad como disciplina integral de la gestión de riesgos y asignan al Directorio responsabilidades concretas en la aprobación de políticas, definición de riesgos y supervisión de la Alta Gerencia. Esta arquitectura ofrece un fundamento regulatorio directo para incorporar los riesgos de IA al gobierno societario.4

Desde esta perspectiva, la gobernanza de la IA no debe confundirse con la de Sistemas de la Información, resultando indispensable, pero no suficiente para las necesidades que demanda este nuevo escenario a nivel organizacional. De allí que, no sólo requiere seguridad, infraestructura, uso responsable de datos, gestión de proveedores y controles tecnológicos; también, resulta indispensable el análisis jurídico, evaluación ética, protección de derechos, integridad, rendición de cuentas, comunicación institucional, gestión reputacional, revisión humana y legitimidad decisional.

El NIST AI Risk Management Framework resulta especialmente ilustrativo al ubicar la gobernanza como una función transversal que informa y atraviesa las funciones de mapear, medir y gestionar riesgos de IA. Según dicho marco, la gestión del riesgo debe ser continua y realizada durante todo el ciclo de vida del sistema, integrando perspectivas diversas y multidisciplinarias.5

Por su parte, la ISO/IEC 42001 establece requisitos para implementar, mantener y mejorar continuamente un sistema de gestión de inteligencia artificial en organizaciones que desarrollan, proveen o utilizan productos o servicios basados en IA, con el propósito de asegurar un desarrollo y uso responsable de estos sistemas.6 La relevancia de esta norma radica en que transforma la gobernanza de IA en un sistema de gestión basado en políticas, objetivos, procesos, responsabilidades, controles, revisión y mejora continua.

La Recomendación de la OCDE sobre Inteligencia Artificial, actualizada en 2024, refuerza esta misma línea al promover una IA confiable con basamento en crecimiento inclusivo, desarrollo sostenible y bienestar; respeto del Estado de Derecho, derechos humanos y valores democráticos; transparencia y explicabilidad; robustez, seguridad y protección; y rendición de cuentas.7

La gobernanza algorítmica como nueva arquitectura de control

La arquitectura de control cumple una función esencial en toda organización al identificar riesgos, definir controles, asignar responsabilidades, comunicar información relevante y monitorear la efectividad del sistema. La IA por la vertiginosidad de sus inminentes avances, exige actualizar periódicamente dicha arquitectura, no resultando suficiente una política de seguridad de la información, un inventario de activos o una matriz de riesgos tecnológicos; por lo que, será ineludible prever si la organización cuenta con información precisa y detallada sobre, qué sistemas de IA utiliza, qué procesos impactan, qué datos se tratan, qué proveedores intervienen, qué grado de autonomía poseen, qué decisiones asisten, qué controles humanos existen, qué evidencia conservan y qué incidentes deben escalarse.

En tanto, los Lineamientos Interamericanos de Gobernanza de Datos e Inteligencia Artificial de la OEA agregan un criterio regional relevante sustentado en el fortalecimiento de la toma de decisiones públicas, la eficiencia institucional, la transparencia, la rendición de cuentas y la protección de derechos. Asimismo, proponen marcos dinámicos y flexibles, roles y responsabilidades claros, articulación institucional, protección de datos personales, privacidad, transparencia, explicabilidad, ética, evaluaciones de impacto, auditorías y mecanismos de reclamo.8

Esta mirada resulta plenamente trasladable al ámbito corporativo y, con mayor fuerza, a organizaciones financieras o estatales que administran información sensible, interactúan con múltiples stakeholders y se encuentran sometidas a controles regulatorios, reputacionales y sociales. La gobernanza algorítmica no es una nueva burocracia, por el contrario, es la forma contemporánea de preservar control institucional en contextos de automatización creciente.

Así las cosas, en el sector financiero argentino, el BCRA ya incorporó expresamente dentro de los riesgos de tecnología y seguridad de la información el desarrollo y utilización de algoritmos de inteligencia artificial o aprendizaje automático, la adopción de tecnología emergente, la relación con terceras partes, la necesidad de procedimientos de identificación, evaluación, tratamiento, monitoreo, indicadores y comunicación al Directorio y comités correspondientes.9

Esta última Comunicación, fue reforzada por la Guía de supervisión sobre el uso responsable y seguro de inteligencia artificial también del BCRA, publicada en junio de 2026. Como criterio de supervisión, el ente rector espera que las entidades definan políticas específicas de IA, roles y responsabilidades claras, criterios de clasificación por riesgo, inventarios actualizados, esquemas de intervención humana, instancias de revisión y aprobación y registros de auditoría suficientes para reconstruir el modelo utilizado, su versión, los datos, los resultados y, cuando corresponda, la intervención humana.10

De allí, que una entidad financiera no pueda administrar la IA únicamente como innovación, sino, debe hacerlo como una dimensión del riesgo operacional, tecnológico, legal, reputacional, de cumplimiento, privacidad, datos, continuidad, ciberseguridad e integridad. La falta de una arquitectura integral puede producir un fenómeno particularmente riesgoso, de soluciones formalmente eficientes, pero institucionalmente opacas.

A este respecto, la Resolución SIGEN 197/2026 incorporó un hito específico al aprobar la “Guía de Controles Inteligencia Artificial - SIGEN” y disponer su aplicación a todo el Sector Público Nacional definido por el artículo 8° de la Ley 24.156. La Guía adopta un enfoque basado en riesgos y vincula expresamente las iniciativas de IA con los objetivos estratégicos institucionales, el cumplimiento normativo, la integridad, la transparencia, la responsabilidad y el control interno.11

En las empresas y sociedades de participación estatal mayoritaria, esa lógica debe leerse junto con la Decisión Administrativa 85/2018, que establece principios de eficiencia, transparencia, integridad, generación de valor y roles diferenciados del Estado, y con la Resolución SIGEN 399/2025, que aprobó normas mínimas y buenas prácticas de control interno para el buen gobierno corporativo de los sujetos comprendidos en el artículo 8°, inciso b), de la Ley 24.156.12 13

Como referencia internacional para compañías con participación estatal, las Directrices de la OCDE sobre Gobierno Corporativo de Empresas Públicas de 2024 exigen profesionalización, transparencia, integridad, supervisión de riesgos, sostenibilidad y creación de valor de largo plazo. A su vez, el informe Governing with Artificial Intelligence de la OCDE muestra, desde la perspectiva del sector público, que la adopción responsable de IA requiere capacidades institucionales, gobierno de datos, infraestructura, competencias y salvaguardas que acompañen la transformación digital.14 15

La IA como nuevo vector de riesgo desde la óptica de Integridad

El compliance corporativo contemporáneo no se reduce a verificar el cumplimiento normativo ex post. Debe operar como una función transversal de prevención, diseño de controles, cultura ética, monitoreo, capacitación, documentación y mejora continua. La IA profundiza esa exigencia porque puede actuar en procesos sensibles de selección de clientes, evaluación crediticia, monitoreo transaccional, prevención de fraude, compras, contrataciones, recursos humanos, atención al público, investigación interna, reportes regulatorios y gestión documental, entre otros.

Desde la perspectiva de los sistemas de gestión, la ISO 37301:2021 aporta una pauta complementaria al concebir el compliance como un sistema basado en buen gobierno, proporcionalidad, transparencia, sostenibilidad, identificación de obligaciones, evaluación de riesgos, controles y mejora continua. Aplicada a la IA, esta lógica permite integrar los riesgos algorítmicos al sistema corporativo de cumplimiento en lugar de administrarlos como un universo paralelo.16

En el derecho argentino, la Ley 27.401 de Responsabilidad Penal de las Personas Jurídicas resulta una referencia metodológica relevante al definir el Programa de Integridad como un conjunto de acciones, mecanismos y procedimientos internos de promoción de la integridad, supervisión y control, orientados a prevenir, detectar y corregir irregularidades, en proporción con los riesgos propios de la actividad, dimensión y capacidad económica de la persona jurídica.17

Aunque los alcances subjetivos y materiales de dicha norma deberán analizarse en cada caso, su lógica resulta de aplicabilidad para la gobernanza de IA, siendo que, no basta con proclamar principios, sino que deben existir controles proporcionales, documentados y verificables. De tal forma, ello supone evaluación previa de riesgos, inventario de casos de uso, autorización de datos, control de proveedores, revisión humana, trazabilidad, capacitación y canales de reporte.

La integridad adquiere especial relevancia cuando la IA se incorpora mediante terceros. Los proveedores de soluciones algorítmicas pueden intervenir sobre datos sensibles, procesos críticos, APIs, servicios en la nube, modelos propietarios, subprocesadores y decisiones automatizadas. En tales supuestos, la debida diligencia no debe limitarse a la solvencia técnica o comercial; debe, además, abarcar integridad, conflictos de intereses, transparencia, protección de datos, seguridad, derechos de auditoría, reversibilidad y uso permitido de información.

Asimismo, el Decreto 202/2017 y los regímenes de conflictos de intereses ofrecen, en materia pública y contractual, una pauta preventiva que no puede ser ignorada cuando se contratan tecnologías críticas, modelos embebidos, servicios de IA o soluciones de proveedores con capacidad de incidir en procesos decisorios.18

En esa línea, el compliance aplicado a IA debe evitar tres desviaciones frecuentes. La primera, considerar que la validación técnica suple el análisis de integridad; la segunda, asumir que la contratación de un proveedor traslada la responsabilidad institucional; y la tercera, suponer que la revisión humana formal basta, aunque quien revisa no tenga información, competencia, tiempo o autoridad para apartarse del resultado algorítmico.

Por su parte, el Reglamento Europeo de IA confirma esta lógica al establecer un enfoque basado en riesgos, obligaciones específicas para sistemas de alto riesgo, gobernanza de datos, documentación técnica, registros, transparencia, supervisión humana, solidez, ciberseguridad, gestión de riesgos durante el ciclo de vida y obligaciones para quienes despliegan sistemas de IA.19 Aunque no siempre resulte directamente aplicable a organizaciones de LATAM, constituye una referencia comparada de enorme utilidad para diseñar compliance algorítmico.

En el plano nacional, la Disposición 2/2023 de la Subsecretaría de Tecnologías de la Información dependiente de la Jefatura de Gabinete de Ministros, aprobó las Recomendaciones para una Inteligencia Artificial Fiable, sustentadas en crecimiento inclusivo y sostenible, valores centrados en las personas, transparencia, explicabilidad, robustez, seguridad y rendición de cuentas, no obstante, su naturaleza es orientativa, constituye un antecedente relevante para interpretar estándares locales de diligencia organizacional en el desarrollo y uso responsable de IA.20

Privacidad, protección de datos y transparencia algorítmica

La gobernanza de IA tiene una relación directa con la protección de datos personales, ya que estos sistemas dependen de datos para entrenar, validar, inferir, recomendar, automatizar o asistir decisiones. Por ello, la licitud del tratamiento, la finalidad, la proporcionalidad, la minimización, la calidad, la conservación, la seguridad, la transparencia y el ejercicio de derechos de los titulares no son aspectos accesorios, sino condiciones estructurales de legitimidad.

La Ley 25.326 exige, como principio basal, el consentimiento libre, expreso, inequívoco e informado para el tratamiento de datos personales, salvo excepciones legales, y obliga a informar al titular la finalidad, destinatarios, carácter obligatorio o facultativo de las respuestas, consecuencias de proporcionar o no los datos y los derechos ARCO de acceso, rectificación, cancelación y oposición.21

En materia de IA, estos principios adquieren una singular preminencia, atento que, organización puede contar con datos recolectados lícitamente para una finalidad determinada, pero no por ello, estar habilitada sin más a utilizarlos para entrenamiento de modelos, perfilamiento, inferencias, scoring, segmentación o decisiones automatizadas. La accesibilidad técnica del dato no equivale a disponibilidad jurídica.

La Guía de la AAIP para entidades públicas y privadas en materia de Transparencia y Protección de Datos Personales para una Inteligencia Artificial Responsable constituye un marco de referencia en nuestro país, con aplicabilidad a un universo amplio de destinatarios, públicos y privados, y de abordaje sobre implicancias en los sistemas de decisión automatizada e IA, vinculados a derechos fundamentales, transparencia y protección de datos durante el ciclo de vida del sistema.22

En la misma línea, Resolución AAIP 161/2023, al crear el Programa de Transparencia y Protección de Datos Personales en el uso de la Inteligencia Artificial, reconoce expresamente la necesidad de guías de buenas prácticas para entidades públicas y privadas en materia de transparencia y protección de datos personales en el uso de IA, y se apoya en los principios de la OCDE sobre sistemas robustos, seguros, imparciales y fiables.23

A su vez, la Ley 27.275 de Acceso a la Información Pública impone un marco de transparencia activa y pasiva que resulta particularmente relevante cuando se trata de organizaciones públicas, entidades estatales o sujetos obligados. La IA puede generar nuevos interrogantes sobre qué información debe ser pública, qué información debe reservarse por seguridad, secreto bancario, privacidad o confidencialidad, y cómo responder pedidos vinculados con algoritmos, evaluaciones de impacto, proveedores o decisiones automatizadas.24

Por ello, la transparencia algorítmica no debe ser entendida como la revelación irrestricta del código fuente, ni como la exposición de secretos técnicos o comerciales. Debe ser concebida como la capacidad institucional de informar, en lenguaje claro y proporcional al riesgo, cuándo se usa IA, para qué finalidad, con qué categorías de datos, bajo qué controles, con qué revisión humana, qué derechos asisten al titular y qué vías de reclamo o impugnación existen.

La OCDE advierte que el desarrollo y despliegue de sistemas de IA plantea tensiones en materia de privacidad y gobernanza de datos durante todo el ciclo de vida, incluyendo el uso de datos accesibles públicamente para entrenamiento, la posible inclusión de datos personales, la complejidad para corregir o eliminar datos y los riesgos de desanonimización.7

En definitiva, una política de privacidad específica para sistemas de IA no debe ser vista como un documento formal adicional, sino como una pieza medular de cumplimiento, confianza y rendición de cuentas. En esa política se expresa la promesa institucional mínima, donde la innovación no será construida a costa de la opacidad, ni del debilitamiento de los derechos de los titulares de datos.

Sostenibilidad, ética y confianza institucional

La sostenibilidad ya no puede permanecer al margen de la discusión sobre IA. Las organizaciones no sólo deben preguntarse si la IA mejora la eficiencia, sino por, sobre todo, si mejora la calidad institucional de la decisión, si reduce o agrava desigualdades, si fortalece la credibilidad, si es accesible, si respeta derechos, si evita impactos ambientales injustificados y si contribuye al propósito corporativo.

En tal sentido, la CAF ha destacado que la actualización de los lineamientos latinoamericanos de gobierno corporativo incorpora con mayor fuerza la agenda ambiental, social y de gobernanza, el relacionamiento con stakeholders y el rol del Directorio en la cultura ética, la sostenibilidad y la arquitectura de control.1 Esta orientación es decisiva para IA, porque los sistemas algorítmicos no impactan solamente en procesos internos, sino también en clientes, empleados, proveedores, comunidades, reguladores y ciudadanía.

UNESCO, en su Recomendación sobre la Ética de la Inteligencia Artificial, prioriza la dignidad y los derechos humanos, la transparencia, la equidad, la supervisión humana y la sostenibilidad ambiental entre los ejes que deben guiar el desarrollo y despliegue de la misma.25 En igual sentido, el Convenio Marco del Consejo de Europa sobre IA, Derechos Humanos, Democracia y Estado de Derecho exige considerar riesgos e impactos sobre derechos, democracia y Estado de Derecho durante el ciclo de vida de los sistemas.26

La sostenibilidad aplicada a IA no se reduce al consumo energético de los modelos, aunque ese aspecto será cada vez más preponderante. Comprende también la sostenibilidad institucional, basada en decisiones explicables, modelos monitoreados, datos gobernados, proveedores responsables, mecanismos de reparación, capacitación permanente y auditoría continua.

A su vez, el Foro Económico Mundial ha señalado que al menos una, de cada cien organizaciones habría operacionalizado plenamente prácticas de IA responsable y que, sin gobernanza integrada desde el inicio, la IA puede reproducir fallas estructurales, baja calidad de datos, decisiones opacas y rendición de cuentas deficiente.27 Más allá del dato estadístico, la idea central resulta clara, la confianza no se improvisa luego del despliegue tecnológico.

En tales circunstancias, la confianza institucional se construye cuando la organización puede demostrar que su IA fue diseñada, aprobada, utilizada y monitoreada bajo reglas claras. También se construye cuando la organización reconoce que la supervisión humana no es una formalidad, sino una garantía sustantiva frente al riesgo de automatización acrítica.

Transversalidad en la delimitación de responsabilidades

La gobernanza de IA exige una distribución clara de responsabilidades. El Directorio debe aprobar la orientación estratégica, el apetito de riesgo, las políticas generales y los mecanismos de supervisión. La Alta Gerencia debe transformar esa orientación en procesos, recursos, indicadores y controles. Las áreas de tecnología deben asegurar arquitectura, seguridad, integración y resiliencia. Gobierno de Datos debe garantizar calidad, linaje, clasificación, uso permitido y trazabilidad. Seguridad de la Información debe proteger confidencialidad, integridad y disponibilidad. Legales debe evaluar licitud, responsabilidad, contratos y derechos. Auditoría debe revisar independencia y efectividad. Compliance y Gobierno Corporativo deben preservar integridad, transparencia, ética, proveedores, conflictos de intereses, sostenibilidad y rendición de cuentas.

Para el asesor jurídico corporativo, esta distribución funcional tiene una consecuencia concreta, ya que la utilización de IA no elimina los deberes propios del órgano de administración ni desplaza la responsabilidad hacia el proveedor, el desarrollador o el usuario. El deber de diligencia exige que la Alta Dirección cuente con información suficiente para comprender los riesgos materiales, defina criterios de escalamiento y conserve evidencia de las decisiones de aprobación, supervisión y revisión de los sistemas relevantes.3

IBM Think describe la gobernanza de IA como un enfoque estructurado para mitigar riesgos asociados a los sistemas de IA, mediante protocolos y prácticas como gobierno de datos y monitoreo continuo, y señala que la responsabilidad no recae en una sola persona o departamento, sino que exige participación colectiva de líderes, stakeholders y equipos.28

El Directors Institute advierte que las herramientas de IA ya influyen en flujos de gobierno corporativo, comunicaciones del Directorio, análisis de riesgos, compliance y apoyo a decisiones; y sostiene que los Directorios deben adoptar políticas específicas, marcos de responsabilidad, capacitación y revisiones periódicas para evitar brechas de gobernanza.29

La experiencia organizacional muestra que una IA sin dueño funcional se transforma rápidamente en una IA sin responsable real. Por eso, cada sistema debe contar con owner, propietario del dato, área usuaria, responsable técnico, revisión de riesgos, validación legal, controles de seguridad, trazabilidad y, cuando corresponda, intervención de compliance, integridad, transparencia y sostenibilidad.

Los estudios académicos sobre gobernanza de IA también coinciden en que las organizaciones necesitan prácticas estructurales, procedimentales y relacionales para gobernar la IA, superar barreras de implementación, mitigar riesgos y obtener resultados robustos.30 Esta clasificación resulta útil porque demuestra que la gobernanza no se agota en organigramas; requiere procedimientos, coordinación, cultura y aprendizaje institucional.

Hacia un modelo de gobierno corporativo algorítmico

A partir del marco normativo y doctrinario analizado, puede proponerse un modelo de gobierno corporativo algorítmico asentado en diez componentes mínimos.

·       Primero, una política corporativa de IA aprobada por la instancia competente, integrada al sistema de gobierno corporativo, compliance, datos, seguridad, riesgos, privacidad, integridad y sostenibilidad.

·       Segundo, un inventario único de sistemas, herramientas y casos de uso de IA, que permita conocer qué se utiliza, con qué finalidad, por qué área, con qué datos, con qué proveedor, con qué nivel de riesgo y con qué estado de aprobación.

·       Tercero, una clasificación de riesgo proporcional al caso de uso, considerando datos tratados, impacto sobre derechos, criticidad del proceso, autonomía del sistema, reversibilidad, exposición reputacional y dependencia de terceros.

·       Cuarto, evaluaciones de impacto previas para sistemas de riesgo medio o alto, que integren dimensiones técnicas, legales, regulatorias, éticas, de privacidad, seguridad, sesgos, integridad, sostenibilidad y transparencia.

·       Quinto, un régimen de gobierno de datos para IA, con reglas de linaje, calidad, minimización, finalidad, retención, versionado, anonimización, seudonimización, autorización de uso y trazabilidad.

·       Sexto, controles reforzados de proveedores, incluyendo debida diligencia, cláusulas de confidencialidad, prohibición de entrenamiento no autorizado con datos propios, auditoría, subcontratación, seguridad, continuidad, reversibilidad y cooperación ante incidentes.

·       Séptimo, mecanismos de supervisión humana efectiva, con personas capacitadas, información suficiente, autoridad para apartarse del output, posibilidad de escalamiento, registros de override y capacidad de interrupción o reversión cuando corresponda.

·       Octavo, transparencia algorítmica y política de privacidad para informar a titulares de datos, clientes, empleados, proveedores o terceros sobre usos de IA, finalidades, datos tratados, decisiones automatizadas, revisión humana y derechos disponibles.

·       Noveno, monitoreo, métricas, auditoría y mejora continua, incluyendo performance, drift, sesgos, incidentes, seguridad, cumplimiento, uso real, efectividad de controles y reportes al órgano de gobierno.

·       Décimo, capacitación y cultura de IA responsable, diferenciada por perfiles, porque no existe gobernanza posible si quienes diseñan, contratan, usan, supervisan o auditan IA no comprenden sus límites, riesgos y responsabilidades.

Este modelo no pretende convertir cada iniciativa de IA en un expediente inmanejable, sino establecer una regla de sensatez corporativa, partiendo de la premisa que, cuanto mayor sea el impacto del sistema, mayor deberá ser la exigencia de documentación, supervisión, control y rendición de cuentas.

En América Latina, esta transversalidad exige una lectura propia. La gobernanza de IA debe dialogar con gobierno corporativo, compliance, integridad pública y privada, protección de datos personales, transparencia activa, ciberseguridad, compras públicas, sostenibilidad, derechos humanos y confianza ciudadana. No se trata de copiar modelos externos, sino de traducir estándares internacionales a instituciones reales, con capacidades, riesgos y obligaciones locales.

Conclusiones finales

La inteligencia artificial interpela de manera directa al gobierno corporativo contemporáneo, en tanto, no se limita a incorporar una herramienta tecnológica dentro de la organización, sino que introduce una nueva capacidad de análisis, predicción, recomendación, automatización y, en determinados supuestos, ejecución de acciones con impacto jurídico, económico, operacional, reputacional y ético.

En ese entendimiento, la gobernanza de la IA no puede ser concebida como un capítulo accesorio del gobierno de TI, ni como una materia reservada exclusivamente a las áreas técnicas. Por el contrario, debe ser integrada al sistema de gobernanza de la organización, atento que compromete la forma en que el Directorio, la Alta Gerencia y las áreas de control definen estrategias, asignan responsabilidades, aprueban riesgos, supervisan procesos, rinden cuentas y protegen los intereses de clientes, empleados, proveedores, accionistas, reguladores y demás partes interesadas.

El punto de partida debe ser claro, ya que no existe inteligencia artificial confiable sin gobierno corporativo efectivo. La IA puede aportar eficiencia, productividad, innovación y valor institucional; pero, sin reglas claras, inventario, clasificación de riesgos, evaluación de impacto, supervisión humana, trazabilidad, controles de datos, gestión de proveedores, auditoría, privacidad, transparencia e integridad, también puede transformarse en un factor de opacidad, sesgo, discriminación, pérdida de control, afectación de derechos, incumplimiento normativo y deterioro reputacional.

Desde esta perspectiva, el gobierno corporativo deja de ser una estructura meramente formal para convertirse en una arquitectura dinámica de conducción, control y responsabilidad sobre la innovación tecnológica. La organización que adopta IA debe poder demostrar no sólo que utiliza tecnología avanzada, sino que la aplica de manera lícita, ética, proporcional, segura, explicable, auditada, sostenible y alineada con su apetito de riesgo.

En este marco, el Directorio y la Alta Gerencia adquieren un rol indelegable. No se les exige convertirse en especialistas técnicos, pero sí comprender los riesgos estratégicos de la IA, aprobar políticas, requerir reportes, exigir métricas, promover una cultura de uso responsable y asegurar que las decisiones automatizadas o asistidas no queden fuera del sistema de control interno. La delegación tecnológica no debe confundirse con una delegación de responsabilidad.

Asimismo, las áreas de Compliance, Gobierno Corporativo, Legales, Riesgos, Auditoría, Protección de Datos, Seguridad de la Información, Tecnología, Recursos Humanos, Compras y Negocio deben actuar bajo una lógica de coordinación y no de compartimentos estancos. La IA atraviesa datos, contratos, clientes, proveedores, procesos, decisiones y reputación; por ende, su gobernanza exige una respuesta transversal, documentada y proporcional al riesgo.

La función de Compliance, en particular, debe evolucionar hacia una dimensión algorítmica. Ello no significa desplazar al gobierno de TI ni sustituir los saberes técnicos, sino asegurar que la innovación sea compatible con la legalidad, la ética, la privacidad, la transparencia, la integridad, la prevención de conflictos de intereses, la debida diligencia de terceros, la protección de derechos y la rendición de cuentas. La IA no desplaza al compliance; lo obliga a ampliar su campo de intervención.

Seguidamente, la sostenibilidad también debe ocupar un lugar central dentro de esta arquitectura. Las decisiones vinculadas con IA deben considerar no sólo resultados económicos u operativos, sino también impactos ambientales, sociales y de gobernanza. En tal sentido, el enfoque ASG no puede ser tratado como un complemento reputacional, sino como un criterio sustantivo para evaluar si la tecnología contribuye efectivamente a la creación de valor sostenible en el largo plazo.

La transparencia, por su parte, representa una condición esencial de legitimidad. Informar el uso de IA, explicar sus alcances, documentar sus límites, permitir revisión humana y habilitar mecanismos de reclamo no debilita la innovación; la fortalece. La confianza institucional se construye cuando las organizaciones pueden explicar cómo deciden, con qué datos operan, qué controles aplican, quién responde por los resultados y qué remedios existen frente a errores o afectaciones.

En igual sentido, la privacidad y la protección de datos personales constituyen presupuestos estructurales de toda gobernanza responsable de IA. El tratamiento de datos para entrenar, validar, operar o monitorear sistemas inteligentes debe responder a criterios de licitud, finalidad, minimización, proporcionalidad, seguridad, conservación limitada, calidad, trazabilidad y respeto de los derechos de los titulares. Sin gobierno del dato no hay IA responsable; sin privacidad no hay confianza sostenible.

Particular atención merecen los proveedores y terceros tecnológicos. La incorporación de soluciones de IA mediante servicios externos, plataformas, APIs, modelos fundacionales o sistemas embebidos exige reforzar la debida diligencia, los controles contractuales, la gestión de conflictos de intereses, la trazabilidad, la seguridad, la confidencialidad, la reversibilidad y la responsabilidad por incidentes. La organización no puede trasladar acríticamente a un proveedor la responsabilidad que le corresponde por los sistemas que decide utilizar.

La supervisión humana, finalmente, debe ser entendida como un principio operativo y no como una fórmula declarativa. No hay control humano efectivo si la persona que revisa el resultado carece de información suficiente, formación adecuada, autoridad para apartarse del output, tiempo razonable de análisis o respaldo institucional para detener, corregir o escalar una decisión. El “human-in-the-loop” sólo tiene valor jurídico y ético cuando es real, competente, documentado y proporcional al riesgo.

En definitiva, la gobernanza de la IA exige pasar de la fascinación tecnológica a la madurez institucional. El verdadero desafío no consiste únicamente en adoptar inteligencia artificial, sino en construir las condiciones organizacionales para gobernarla. Ello implica integrar gobierno corporativo, compliance, integridad, transparencia, sostenibilidad, privacidad, gestión de riesgos y control humano dentro de un mismo sistema de responsabilidad.

La inteligencia artificial será una herramienta legítima y valiosa en la medida en que fortalezca la toma de decisiones, mejore los procesos, amplíe capacidades y genere valor sostenible. Pero su legitimidad dependerá, cada vez más, de la capacidad de las organizaciones para demostrar que detrás de cada modelo, cada dato, cada decisión automatizada y cada agente inteligente, existe una estructura humana, ética, jurídica y corporativa capaz de responder.

Por todo ello, la gobernanza de la IA no debe ser vista como un freno a la innovación, sino como su condición de posibilidad. Innovar sin gobernanza es asumir riesgos invisibles; gobernar la IA es convertir la disrupción tecnológica en confianza, integridad y valor institucional sostenible.

“El presente artículo constituye una reflexión académica, doctrinaria y personal sobre inteligencia artificial, gobierno corporativo, compliance, integridad, sostenibilidad y materias afines. Su contenido no representa, compromete, ni debe interpretarse como posición oficial, criterio institucional, dictamen, asesoramiento o manifestación de ningún organismo, entidad o institución pública o privada en la que el autor se desempeñe actualmente o haya desempeñado funciones. La publicación se realiza exclusivamente con fines académicos, profesionales y de divulgación jurídica, en ejercicio de la libertad de pensamiento y producción doctrinaria, y con observancia de los deberes de ética pública, integridad, confidencialidad, prudencia, transparencia y responsabilidad aplicables al ejercicio de la función pública, en particular los previstos en la Ley 25.188, el Decreto 41/1999 y demás normativas concordantes”

Bibliografía y artículos consultados

1. Corporación Andina de Fomento [CAF]. (2023). Lineamientos para un Código Latinoamericano de Gobierno Corporativo. Serie Políticas Públicas y Transformación Productiva N.º 40. CAF. https://scioteca.caf.com/handle/123456789/2239

2. Oneto, A. (2026, 13 de julio). Inteligencia artificial y gobierno corporativo: hacia una gobernanza tecnológica más humana. CAF - Banco de Desarrollo de América Latina y el Caribe. https://www.caf.com/es/blog/inteligencia-artificial-y-gobierno-corporativo-hacia-una-gobernanza-tecnologica-mas-humana/

3. Organisation for Economic Co-operation and Development [OECD]. (2023). G20/OECD Principles of Corporate Governance 2023. OECD Publishing. https://doi.org/10.1787/ed750b30-en

4. Banco Central de la República Argentina [BCRA]. Lineamientos para el gobierno societario en entidades financieras. Texto ordenado. https://www.bcra.gob.ar/archivos/Pdfs/texord/t-lingob.pdf

5. National Institute of Standards and Technology [NIST]. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1

6. International Organization for Standardization [ISO]. (2023). ISO/IEC 42001:2023. Information technology — Artificial intelligence — Management system. ISO. https://www.iso.org/standard/42001

7. Organisation for Economic Co-operation and Development [OECD]. (2024). Recommendation of the Council on Artificial Intelligence (OECD/LEGAL/0449). https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449

8. Organización de los Estados Americanos [OEA]. (2024). Lineamientos interamericanos de gobernanza de datos e inteligencia artificial. Departamento para la Gestión Pública Efectiva. https://www.oas.org/ext/DesktopModules/MVC/OASDnnModules/Views/Item/Download.aspx?type=1&id=1080&lang=2

9. Banco Central de la República Argentina [BCRA]. Requisitos mínimos para la gestión y control de los riesgos de tecnología y seguridad de la información. Texto ordenado. https://www.bcra.gob.ar/archivos/Pdfs/Texord/t-rmgcti.pdf

10. Banco Central de la República Argentina [BCRA]. (2026). Guía de supervisión sobre el uso responsable y seguro de inteligencia artificial (IA). Versión inicial: junio de 2026. https://www.bcra.gob.ar/guias-de-supervision-bcra/

11. Sindicatura General de la Nación [SIGEN]. (2026). Resolución 197/2026. Guía de Controles Inteligencia Artificial - SIGEN. https://www.argentina.gob.ar/normativa/nacional/norma-426859/texto; Anexo: https://www.argentina.gob.ar/sites/default/files/2022/02/if-2026-53068261-apn-gpnyptsigen.pdf

12. Jefatura de Gabinete de Ministros. (2018). Decisión Administrativa 85/2018. Lineamientos de Buen Gobierno para Empresas de Participación Estatal Mayoritaria de Argentina. https://www.argentina.gob.ar/normativa/nacional/306769/texto

13. Sindicatura General de la Nación [SIGEN]. (2025). Resolución 399/2025. Normas mínimas y buenas prácticas de control interno para el buen gobierno corporativo en las empresas y sociedades comprendidas en el artículo 8°, inciso b), de la Ley 24.156. https://www.argentina.gob.ar/normativa/nacional/norma-420221/texto

14. Organisation for Economic Co-operation and Development [OECD]. (2024). OECD Guidelines on Corporate Governance of State-Owned Enterprises 2024. OECD Publishing. https://doi.org/10.1787/18a24f43-en

15. Organisation for Economic Co-operation and Development [OECD]. (2025). Governing with Artificial Intelligence: How artificial intelligence is accelerating the digital government journey. https://www.oecd.org/es/publications/2025/06/governing-with-artificial-intelligence_398fa287/full-report/how-artificial-intelligence-is-accelerating-the-digital-government-journey_d9552dc7.html

16. International Organization for Standardization [ISO]. (2021). ISO 37301:2021. Compliance management systems — Requirements with guidance for use. ISO. https://www.iso.org/standard/75080.html

17. República Argentina. (2017). Ley 27.401 de Responsabilidad Penal de las Personas Jurídicas. https://servicios.infoleg.gob.ar/infolegInternet/anexos/295000-299999/296846/norma.html 

18. República Argentina. (2017). Decreto 202/2017. Conflictos de intereses en contrataciones públicas y otros procedimientos. https://servicios.infoleg.gob.ar/infolegInternet/anexos/270000-274999/272923/norma.htm

19. Unión Europea. (2024). Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial. https://eur-lex.europa.eu/eli/reg/2024/1689/oj/spa

20. Jefatura de Gabinete de Ministros, Subsecretaría de Tecnologías de la Información. (2023). Disposición 2/2023. Recomendaciones para una Inteligencia Artificial Fiable. https://www.argentina.gob.ar/normativa/nacional/norma-384656/texto

21. República Argentina. (2000). Ley 25.326 de Protección de los Datos Personales. https://servicios.infoleg.gob.ar/infolegInternet/anexos/60000-64999/64790/texact.htm

22. Agencia de Acceso a la Información Pública [AAIP]. (2024). Guía de recomendaciones para entidades públicas y privadas en materia de transparencia y protección de datos personales para una Inteligencia Artificial responsable. https://www.argentina.gob.ar/sites/default/files/aaip-argentina-guia_para_usar_la_ia_de_manera_responsable.pdf

23. Agencia de Acceso a la Información Pública [AAIP]. (2023). Resolución 161/2023. Programa de Transparencia y Protección de Datos Personales en el uso de la Inteligencia Artificial. https://www.argentina.gob.ar/normativa/nacional/norma-389231/texto

24. República Argentina. (2016). Ley 27.275 de Derecho de Acceso a la Información Pública. https://servicios.infoleg.gob.ar/infolegInternet/anexos/265000-269999/265949/texact.htm

25. United Nations Educational, Scientific and Cultural Organization [UNESCO]. (2021). Recommendation on the Ethics of Artificial Intelligence. https://www.unesco.org/en/artificial-intelligence/recommendation-ethics

26. Council of Europe. (2024). Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law. Council of Europe Treaty Series No. 225. https://www.coe.int/en/web/artificial-intelligence/the-framework-convention-on-artificial-intelligence

27. Rubin, N. (2026, 3 de marzo). Por qué una gobernanza sólida de la IA es la mejor estrategia de negocio. Foro Económico Mundial. https://es.weforum.org/stories/artificial-intelligence/por-que-una-gobernanza-solida-de-la-ia-es-la-mejor-estrategia-de-negocio/

28. IBM. (s. f.). ¿Qué es la gobernanza de la IA? IBM Think. https://www.ibm.com/mx-es/think/topics/ai-governance

29. World Development Corporation Directors’ Institute - World Council of Directors. (2025, 1 de abril). The Impact of Generative AI on Corporate Governance Practices: Addressing policy gaps as AI tools influence governance workflows. https://www.directors-institute.com/post/the-impact-of-generative-ai-on-corporate-governance-practices-addressing-policy-gaps-as-ai-tools-in

30. Papagiannidis, E., Enholm, I. M., Dremel, C., Mikalef, P., & Krogstie, J. (2023). Toward AI governance: Identifying best practices and potential barriers and outcomes. Information Systems Frontiers, 25(1), 123–141. https://doi.org/10.1007/s10796-022-10251-y