GRCreal // expediente: artículo categoría: EU AI Act
← Volver a artículos
EU AI Act · IA Prohibida · Compliance

AI Act: lo que está prohibido sin excepciones ni interpretaciones

Hay usos de la IA que el Reglamento prohíbe directamente.
No hay zona gris. No hay período de adaptación. Están prohibidos desde la entrada en vigor.

Miguel Ángel Carriazo 18 junio 2026 10 min de lectura
El Título II del AI Act

Prácticas de IA que no están permitidas en la UE

El AI Act tiene una estructura por niveles de riesgo. En la parte más alta están las prácticas directamente prohibidas — no reguladas, no sujetas a requisitos adicionales. Prohibidas.

Son usos que el legislador europeo consideró incompatibles con los derechos fundamentales, la dignidad humana y los valores de la UE, independientemente de la intención del operador o de los beneficios que pudiera aportar.

No hay exceptions clause para las prohibiciones. No las aplica un regulador: las aplica directamente el Reglamento.
Mapa operativo · EU AI Act
Del problema al control
01Prácticas de IA que no…02Qué no se puede hacer con…03Zonas que requieren…04Gobernar la IA antes de…05Qué esperaría encontrar…
El visual resume el recorrido específico del artículo: contexto, decisión, aplicación y evidencia.
Las prohibiciones principales

Qué no se puede hacer con IA en Europa

Manipulación subliminal Sistemas que influyen en el comportamiento de personas de forma que evade su conciencia, causando daño. Publicidad o contenidos diseñados para manipular sin que el usuario sea consciente.
Explotación de vulnerabilidades Sistemas que se aprovechan de la edad, discapacidad u otras vulnerabilidades para alterar el comportamiento de personas de forma perjudicial para ellas.
Scoring social gubernamental Sistemas de puntuación de personas por autoridades públicas en base a comportamiento social. El modelo chino de crédito social es el ejemplo que el legislador tenía en mente.
Reconocimiento facial en tiempo real en espacios públicos Con excepciones muy limitadas y sujetas a autorización judicial. La vigilancia masiva biométrica en espacios públicos está prohibida.
Lectura operativa GRCREAL
Qué entender

Prácticas de IA que no están permitidas en la UE. Delimita el problema antes de elegir una respuesta.

Qué comprobar

Qué no se puede hacer con IA en Europa. Busca una práctica observable, no solo una declaración.

Qué poder demostrar

Hasta 35 millones de euros por las prohibiciones. La decisión y su revisión deben dejar trazabilidad.

Lo que no siempre está claro

Zonas que requieren análisis cuidadoso

Algunos sistemas de IA que parecen inocuos pueden rozar estas prohibiciones dependiendo de su implementación concreta.

Sistemas de análisis emocional. Detectar el estado emocional de empleados o candidatos en procesos de selección es una zona de riesgo muy elevado bajo el AI Act.

Sistemas de predicción del comportamiento. Si el propósito es influir en las decisiones de personas de forma que elude su razonamiento consciente, puede caer en la prohibición de manipulación.

Reconocimiento facial en tiendas o espacios semipúblicos. La línea entre seguridad legítima y vigilancia masiva es más fina de lo que parece, y el regulador la va a mirar de cerca.

La duda no es motivo para proceder. Ante la duda, análisis legal especializado.
Mi enfoque

Gobernar la IA antes de discutir la herramienta

Aplicación práctica

En IA empezaría por el caso de uso y no por el nombre del modelo. Dos equipos pueden utilizar la misma tecnología y asumir riesgos completamente distintos según los datos tratados, la autonomía del sistema, las personas afectadas y la decisión que se apoya o automatiza.

Mantendría un inventario vivo con propietario, finalidad, proveedor o modelo, datos de entrada, salidas relevantes, integraciones y controles humanos. No hace falta comenzar con una plataforma compleja: sí hace falta que exista una fuente de verdad que pueda revisarse y actualizarse.

Después clasificaría cada caso y documentaría las decisiones. La pregunta útil no es «¿usamos IA?», sino «¿dónde interviene, qué puede cambiar y quién responde cuando la salida es incorrecta?».

Evidencia operativa

Qué esperaría encontrar para demostrar que esto funciona

La evidencia concreta depende del alcance y del contexto de la organización. Aun así, una revisión seria debería poder reconstruir al menos estas tres capas:
Ref.Capa de evidenciaQué debería permitir comprobar
EV-01Inventario del caso de usoQuién es responsable, qué alcance se ha definido y qué decisión se ha tomado.
EV-02Clasificación y evaluación documentadaQue el control o proceso se aplica sobre casos reales y no existe únicamente en la documentación.
EV-03Registros de supervisión y cambiosQue las desviaciones se detectan, se corrigen y vuelven a revisarse con una frecuencia razonable.
Las sanciones más altas del Reglamento

Hasta 35 millones de euros por las prohibiciones

Las infracciones relacionadas con las prácticas prohibidas tienen las sanciones más altas de todo el AI Act: hasta 35 millones de euros o el 7% de la facturación global anual, lo que sea mayor.

El Reglamento distingue expresamente entre infracciones de requisitos aplicables a sistemas de alto riesgo y violaciones de las prohibiciones absolutas. Las segundas se sancionan con más dureza porque no existe argumento de proporcionalidad o necesidad que las justifique.

Si un sistema de IA está en la lista de prohibidos, no hay análisis coste-beneficio. Hay que descontinuarlo.
Guía de aplicación

Cómo llevar «AI Act: lo que está prohibido sin excepciones ni interpretaciones» a un modelo operativo

El error habitual al abordar este tema es convertirlo demasiado pronto en un documento o en una lista de tareas. En Gobierno de IA, yo lo llevaría primero a un modelo operativo verificable: qué queda dentro del alcance, quién puede decidir, qué condiciones activan una revisión y qué rastro queda después de cada actuación.

Para este caso partiría de alcance y contexto. No porque sea el único punto importante, sino porque permite fijar el contexto antes de discutir controles. A partir de ahí conectaría riesgo, controles y responsables con la realidad del caso de uso de IA y cerraría el ciclo con evidencia, revisión y mejora.

La pregunta que utilizaría para probar la madurez sería sencilla: ¿puede una persona que no participó en el proyecto reconstruir la decisión, entender el riesgo y localizar la evidencia sin depender de una explicación oral? Si la respuesta es no, existe conocimiento, pero el gobierno todavía depende de personas concretas.

Mi enfoque

No intentaría implantar todo de una vez. Seleccionaría un caso representativo, documentaría la cadena inventario, clasificación y decisión documentada y comprobaría dónde se pierde la trazabilidad.

El primer objetivo no sería «tener más documentación», sino conseguir que el propietario del caso de uso pueda demostrar qué decidió, por qué lo decidió y cómo sabe que el control sigue funcionando.

Plano de revisiónQué comprobaríaSeñal de debilidadEvidencia útil
ContextoAlcance y contexto; límites, dependencias y supuestos.El alcance cambia según quién lo explique.Ficha de alcance, inventario o mapa de dependencias vigente.
GobiernoPropietario, capacidad de decisión, escalado y excepciones.IT ejecuta, pero nadie de negocio acepta el riesgo.RACI, acta, ticket de decisión o registro de aceptación.
ControlRiesgo, controles y responsables; diseño, cobertura y operación real.Se describe el control, pero no su población ni frecuencia.Configuración, procedimiento, muestra de ejecución y resultado.
SupervisiónEvidencia, revisión y mejora; umbrales, desviaciones y revisión.Solo se revisa cuando llega una auditoría o un incidente.KPI/KRI, revisión periódica, hallazgo y acción de mejora.
Secuencia de trabajo
01 · Reconstruir

Utilizar «Prácticas de IA que no están permitidas en la UE» como punto de entrada para describir la realidad actual, incluidas excepciones y dependencias que no aparecen en el procedimiento.

02 · Contrastar

Tomar «Qué no se puede hacer con IA en Europa» y comprobarlo con una muestra real. La documentación debe coincidir con usuarios, activos, configuraciones, decisiones o registros.

03 · Cerrar el ciclo

Relacionar «Zonas que requieren análisis cuidadoso» con un responsable, una fecha y una evidencia de revisión. Una desviación sin seguimiento es información, no gobierno.

Revisión crítica

Diez preguntas que utilizaría para revisar este tema

Estas preguntas no sustituyen una auditoría ni una evaluación formal. Sirven como prueba rápida de coherencia: si varias respuestas dependen de «creo», «normalmente» o «lo lleva otra persona», ya existe una línea de trabajo.

  1. ¿Qué está exactamente dentro del alcance? Debe poder delimitarse el caso de uso de IA sin recurrir a una descripción ambigua.
  2. ¿Quién es el propietario real? El propietario del caso de uso debe conocer su responsabilidad y tener capacidad para escalar o decidir.
  3. ¿Qué escenario de riesgo estamos intentando evitar o limitar? Un control sin escenario asociado se evalúa por presencia, no por eficacia.
  4. ¿Qué depende de alcance y contexto? Hay que identificar supuestos, datos de entrada, servicios y terceros que cambian la exposición.
  5. ¿Cómo sabemos que riesgo, controles y responsables funciona sobre toda la población? Una muestra positiva no demuestra cobertura completa.
  6. ¿Qué excepciones existen hoy? Deben tener propietario, motivo, riesgo aceptado, compensación y caducidad cuando proceda.
  7. ¿Qué evidencia queda después de ejecutar el control? La evidencia debe ser recuperable, fechada y entendible por una tercera persona.
  8. ¿Qué indicador obliga a actuar? Medir sin umbral, tendencia o decisión asociada termina creando cuadros de mando decorativos.
  9. ¿Cuándo se revisó por última vez evidencia, revisión y mejora? El cambio de contexto puede invalidar una decisión que era razonable seis meses antes.
  10. ¿Qué aprendimos de la última desviación? Si el hallazgo se cierra corrigiendo el síntoma y no cambia el sistema, probablemente volverá.
Pregunta incómoda

Si mañana la persona que domina este tema deja la organización, ¿el sistema seguiría funcionando y podríamos demostrar por qué se tomaron las decisiones? Esa respuesta suele revelar el nivel real de institucionalización.

Evidencia mínima

Qué conservaría para poder demostrar que el control está vivo

La cantidad de documentación no es una medida de madurez. Para «AI Act: lo que está prohibido sin excepciones ni interpretaciones» prefiero una cadena corta de evidencias conectadas a la operación. Cada pieza debe responder a una pregunta distinta: qué decidimos, qué hicimos, qué ocurrió y qué revisamos después.

La siguiente matriz es el paquete mínimo que intentaría localizar en una revisión. El formato puede ser un acta, un ticket, una exportación, una configuración o un registro de una herramienta; lo importante es la trazabilidad y la coherencia entre las piezas.

Ref.EvidenciaQué debería demostrarQué revisaría
EV-01Alcance y propietarioQué cubre el control y quién responde por él.Vigencia, exclusiones, dependencias y aceptación del propietario.
EV-02Criterio de riesgoPor qué se ha priorizado o diseñado de una forma concreta.Alcance y contexto, escenario, impacto y supuestos utilizados.
EV-03Diseño del controlQué debe ocurrir, sobre qué población y con qué frecuencia.Riesgo, controles y responsables, responsables, entradas, salidas y excepciones.
EV-04Muestra de ejecuciónQue el control opera fuera del documento.Fecha, población, resultado, anomalías y trazabilidad técnica u operativa.
EV-05Desviación y tratamientoCómo responde la organización cuando el control falla.Causa, riesgo residual, responsable, plazo y medida compensatoria.
EV-06Revisión y mejoraQue evidencia, revisión y mejora se evalúa y puede cambiar.Indicadores, tendencia, decisiones, cambios aprobados y seguimiento.
Visión de auditor

Yo intentaría seguir una sola muestra de extremo a extremo. Si EV-01 dice una cosa, EV-03 otra y EV-04 no permite identificar la población afectada, el problema no es «falta de un PDF»: es una ruptura de trazabilidad.

Documentación operativa

Cómo convertir este tema en un expediente verificable

La forma más útil de trabajar este tema es convertirlo en una cadena verificable de decisiones, responsables y evidencias. No basta con afirmar que existe un control: hay que poder reconstruir qué se decidió, con qué información, quién lo ejecutó y cómo se comprobó después.

En AI Act: lo que está prohibido sin excepciones ni interpretaciones, el análisis debería cubrir al menos finalidad, clasificación regulatoria, datos, modelo, supervisión humana, transparencia, impactos, cambios y monitorización. Esto exige coordinar a Negocio, Legal, Privacidad, Seguridad, Datos, Compras y el responsable del sistema de IA y trabajar sobre casos de uso, modelos, datasets, proveedores, integraciones, prompts, registros y decisiones humanas. Cuando cada área conserva una parte distinta de la información, se retrasan decisiones, se duplican controles y se aceptan excepciones sin una visión completa.

Una forma práctica de evitarlo es utilizar un expediente único por servicio, sistema, proceso o decisión relevante. Puede ser una herramienta GRC, un repositorio documental controlado o un registro estructurado. Lo importante es conectar alcance, propietario, riesgo, control, evidencia, excepción y acción, con fecha, fuente y estado.

Ese expediente debe mantenerse durante la operación ordinaria. Si solo se completa antes de una auditoría, la organización obtiene una fotografía preparada, pero no una visión fiable del control. La actualización debería activarse ante cambios de arquitectura, proveedor, alcance, responsables, requisitos, incidentes o resultados de pruebas. También conviene definir una revisión periódica para detectar documentación formalmente vigente pero materialmente obsoleta.

La revisión debe separar cuatro preguntas: si el control está bien diseñado, si se ha implantado en todo el alcance, si funciona de forma sostenida y si reduce realmente el riesgo o cumple el objetivo. Mezclar estas preguntas lleva a conclusiones débiles: una política aprobada puede no haberse desplegado, una herramienta instalada puede no cubrir toda la población y una actividad ejecutada puede no producir el efecto esperado.

DimensiónQué debe quedar definidoEvidencia esperada
AlcanceProcesos, servicios, sistemas y terceros incluidos en «AI Act: lo que está prohibido sin excepciones ni interpretaciones».Alcance aprobado, inventario y exclusiones justificadas.
ResponsabilidadQuién decide, ejecuta, valida y acepta desviaciones.RACI, actas, aprobaciones y propietarios nominativos.
OperaciónActividades repetibles, entradas, salidas, plazos y escalados.Procedimiento, tickets, registros, alertas y métricas.
EficaciaCómo se comprueba que el control cambia el riesgo o el resultado.Pruebas, tendencias, incidencias, muestreo y acciones.
Escenario de validación

Prueba de extremo a extremo

  1. Partir de un sistema de IA utilizado por varias áreas y conectado a datos o documentación corporativa y delimitar finalidad, clasificación regulatoria, datos, modelo, supervisión humana, transparencia, impactos, cambios y monitorización.
  2. Contrastar la documentación declarada con arquitectura, proceso, responsables y operación real.
  3. Seleccionar una muestra reciente y seguirla desde el evento de origen hasta su cierre.
  4. Distinguir entre fallo puntual, deficiencia de diseño y problema operativo recurrente.
  5. Verificar la corrección mediante una prueba posterior y no solo mediante una declaración de cierre.
Punto de control

Una captura demuestra un estado puntual. Un expediente completo demuestra el proceso, el criterio, la trazabilidad y la capacidad de corregir.

Evidencias mínimas

Qué conservaría para una revisión seria

  • ficha del sistema, finalidad, propietario, clasificación, evaluación de impacto, pruebas, incidencias, versiones y aprobaciones
  • criterio aplicado y versión de la referencia utilizada
  • población, periodo y muestra revisados
  • excepciones, aceptación de riesgo y fecha de caducidad
  • resultado de eficacia y acciones derivadas
Preguntas de contraste

Qué preguntaría antes de darlo por implantado

  • ¿Qué parte de «AI Act: lo que está prohibido sin excepciones ni interpretaciones» está dentro del alcance y qué queda fuera?
  • ¿Quién aprueba una excepción, por qué y durante cuánto tiempo?
  • ¿Qué evidencia nace automáticamente de la operación y cuál se prepara manualmente?
  • ¿Cómo se detecta que la clasificación, la evaluación de impacto, la supervisión, las pruebas, el control de cambios y la monitorización deja de funcionar?
  • ¿Cuál fue la última prueba que cambió una decisión, un diseño o una prioridad?
  • ¿Puede una persona ajena al proceso reconstruir el expediente sin explicaciones adicionales?

El objetivo no es generar más documentación, sino conservar la documentación que permite gobernar, operar y demostrar. La madurez aparece cuando las evidencias nacen del proceso ordinario y no de una campaña previa a la auditoría.

¿Tus sistemas de IA han pasado
el filtro de las prohibiciones del AI Act?
Antes de clasificar riesgo, hay que descartar que algo esté directamente prohibido.
Sobre el autor
Miguel Ángel Carriazo · vCISO

vCISO · Arquitecto de Soluciones de Infraestructura y Ciberseguridad | Gobierno, Riesgo y Cumplimiento (GRC) | Gobierno de IA · ISO 42001 | Fundador de GRCreal

Compartir artículo