GRCreal // expediente: artículo categoría: EU AI Act
← Volver a artículos
EU AI ACT · PUNTO 2

Clasificación de riesgo: no es la tecnología es el uso

El error más crítico en AI Act: clasificar por modelo en lugar de por caso de uso.

Miguel Ángel Carriazo 23 abril 2025 8 min de lectura
Error crítico

Pensar que el riesgo está en la tecnología

El EU AI Act no clasifica tecnologías. Clasifica usos.

Y esta distinción lo cambia todo.
Árbol de decisión · EU AI Act
Clasificar antes de actuar
Pensar que el riesgo está…pregunta de entradaEl mismo modelo, riesgos…ESCALARAlto riesgo no es un…SÍClasificar mal es peor…NOGobernar la IA antes de…REVISARLA CLASIFICACIÓN DEBE QUEDAR JUSTIFICADA Y SER REVISABLE
Una decisión GRC útil debe poder explicar por qué se tomó una rama y qué evidencia la sustenta.
Ejemplo real

El mismo modelo, riesgos completamente distintos

El mismo modelo de lenguaje —GPT, Claude, Gemini— puede tener niveles de riesgo totalmente diferentes:
Uso interno Redacción de correos → Riesgo mínimo
Cara al cliente Chatbot → Riesgo limitado (transparencia)
Decisión crítica Créditos, RRHH, salud → Alto riesgo
Lectura operativa GRCREAL
Qué entender

Pensar que el riesgo está en la tecnología. Delimita el problema antes de elegir una respuesta.

Qué comprobar

El mismo modelo, riesgos completamente distintos. Busca una práctica observable, no solo una declaración.

Qué poder demostrar

Esto no lo decide solo Legal ni solo IT. La decisión y su revisión deben dejar trazabilidad.

Obligaciones

Alto riesgo no es un label. Es un régimen completo

Los sistemas de alto riesgo requieren:
DocumentaciónTécnica exhaustiva
ValidaciónEvaluación de conformidad previa
RegistroBase de datos europea
ControlSupervisión humana efectiva
DatosCalidad del entrenamiento
TrazabilidadLogs y auditoría
SeguimientoRevisión post-mercado
Riesgo real

Clasificar mal es peor que no clasificar

Una clasificación incorrecta es uno de los mayores riesgos regulatorios.

Si una empresa clasifica como “riesgo limitado” un sistema que en realidad es de alto riesgo:
Error Clasificación incorrecta
Impacto Incumplimiento + sanción + auditoría fallida
La AESIA y autoridades europeas pueden auditar esta clasificación.

Y una clasificación indebida puede derivar en sanciones incluso si el sistema funcionaba correctamente.
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.
Recomendación

Esto no lo decide solo Legal ni solo IT

La clasificación requiere visión conjunta:

→ Caso de uso real → Contexto de despliegue → Perfil de los afectados → Tipo de decisión automatizada
Enfoque parcial Legal o IT por separado
Enfoque correcto Visión conjunta + criterio independiente
Un auditor con experiencia en ISO 42001 y AI Act puede evitar errores costosos.
Guía de aplicación

Cómo llevar «Clasificación de riesgo: no es la tecnología es el uso» 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 criterios y apetito de riesgo. No porque sea el único punto importante, sino porque permite fijar el contexto antes de discutir controles. A partir de ahí conectaría escenarios, impacto y probabilidad con la realidad del caso de uso de IA y cerraría el ciclo con tratamiento, aceptación y riesgo residual.

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
ContextoCriterios y apetito de riesgo; 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.
ControlEscenarios, impacto y probabilidad; diseño, cobertura y operación real.Se describe el control, pero no su población ni frecuencia.Configuración, procedimiento, muestra de ejecución y resultado.
SupervisiónTratamiento, aceptación y riesgo residual; 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 «Pensar que el riesgo está en la tecnología» como punto de entrada para describir la realidad actual, incluidas excepciones y dependencias que no aparecen en el procedimiento.

02 · Contrastar

Tomar «El mismo modelo, riesgos completamente distintos» y comprobarlo con una muestra real. La documentación debe coincidir con usuarios, activos, configuraciones, decisiones o registros.

03 · Cerrar el ciclo

Relacionar «Alto riesgo no es un label. Es un régimen completo» 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 criterios y apetito de riesgo? Hay que identificar supuestos, datos de entrada, servicios y terceros que cambian la exposición.
  5. ¿Cómo sabemos que escenarios, impacto y probabilidad 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 tratamiento, aceptación y riesgo residual? 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 «Clasificación de riesgo: no es la tecnología es el uso» 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.Criterios y apetito de riesgo, escenario, impacto y supuestos utilizados.
EV-03Diseño del controlQué debe ocurrir, sobre qué población y con qué frecuencia.Escenarios, impacto y probabilidad, 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 tratamiento, aceptación y riesgo residual 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 Clasificación de riesgo: no es la tecnología es el uso, 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 «Clasificación de riesgo: no es la tecnología es el uso».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 «Clasificación de riesgo: no es la tecnología es el uso» 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.

Clasificar mal no es un fallo técnico
es un riesgo regulatorio
Y en muchos casos, el más caro.
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