¿Qué es la gobernanza de la IA?

La gobernanza de la IA abarca una amplia gama de prácticas, protocolos, salvaguardas, sistemas y herramientas. Los profesionales de IA a la vanguardia de la gobernanza están estableciendo métodos y políticas para desarrollar y entrenar nuevos modelos de IA, pautas operativas para aplicar estos modelos, así como software y otras tecnologías para crear medidas de seguridad por capas con la supervisión regulatoria humana adecuada.  

Los modelos de IA, junto con los algoritmos de machine learning (ML) y aprendizaje profundo (DL), se entrenan en última instancia con datos humanos. Como resultado, los sistemas de IA son susceptibles a sesgos humanos. Sin control, los sistemas de IA influidos por sesgos erróneos pueden causar daños graves a individuos y poblaciones enteras. Las políticas de gobernanza de la IA tienen como objetivo corregir este tipo de errores potencialmente discriminatorios o peligrosos. 

Los mecanismos de supervisión efectivos de la gobernanza de la IA abordan riesgos como sesgos, infracción de la privacidad y usos indebidos, al mismo tiempo que fomentan la innovación y construyen confianza. Un enfoque ético centrado en la IA para la gobernanza requiere supervisión humana y aportaciones de una amplia gama de stakeholders, incluidos desarrolladores, usuarios, formuladores de políticas y expertos en ética. La implementación de una política de gobernanza de la IA moderna y sólida ayuda a los sistemas de IA a adherirse a los valores sociales morales y éticos, al tiempo que proporciona mitigaciones para reducir diversas vulnerabilidades y reducir los niveles de riesgo en una amplia gama de aplicaciones de IA. 

Si bien los sistemas de IA continúan avanzando, los procesos de gobernanza de la IA también están evolucionando para establecer y cumplir estándares globales. Aunque abordar los requisitos normativos es un importante incentivo empresarial detrás de las inversiones en programas de gobernanza, los beneficios de este tipo de soluciones se extienden más allá del cumplimiento: reducen de forma proactiva el riesgo de responsabilidad al reforzar la privacidad de datos, la seguridad de datos y el acceso a datos.  

La gobernanza de la IA proporciona un enfoque estructurado para mitigar los riesgos potenciales asociados con los sistemas de IA. A través de protocolos y prácticas, como la gobernanza de datos y el monitoreo continuo, las políticas de gobernanza de la IA pueden evaluar y guiar eficazmente las herramientas de IA. Cuando se implementa correctamente, la gobernanza de la IA evita decisiones erróneas o dañinas a lo largo de todo el proceso de IA, desde los conjuntos de datos en los que se entrenan los modelos, hasta la ejecución de soluciones derivadas de IA.     

En pocas palabras, la gobernanza de la IA sirve para establecer los métodos y metodologías de supervisión necesarios para alinear los comportamientos de la IA con los estándares éticos y las expectativas sociales, protegiendo así a los usuarios, proveedores y cualquier tercero involucrado incidentalmente contra impactos negativos, adversos o inequitativos involuntarios.

La gobernanza de la IA es esencial para alcanzar un estado de cumplimiento, confianza y eficiencia en el desarrollo y aplicación de tecnologías de IA. Con la creciente integración de la IA en las operaciones organizacionales y gubernamentales, su potencial de impacto negativo se ha vuelto más visible. De hecho, la investigación del IBM Institute for Business Value encontró que el 80% de los líderes empresariales ven la explicabilidad, la ética, el sesgo o la confianza de la IA como un obstáculo importante para la adopción de la IA generativa. La gobernanza de la IA busca abordar estos desafíos inspirando confianza y evitando cualquier impacto potencialmente adverso derivado del uso de la tecnología de IA. 

Ciertos incidentes de alto perfil acapararon titulares que ponen en evidencia el peligro de los sistemas de IA sin control. En uno de esos incidentes, el chatbot Tay de Microsoft comenzó a repetir comportamientos tóxicos aprendidos en publicaciones en redes sociales debido al entrenamiento con conjuntos de datos no regulados. Si bien este incidente fue molesto, las fallas en el software COMPAS de IA llevaron a resultados aún más dañinos. Utilizado en las sentencias penales, el sesgo inherente en el modelo de IA condujo a un enjuiciamiento penal injusto y solo sirvió para subrayar aún más la importancia de la gobernanza de la IA cuando se trata de generar y mantener la confianza pública en los sistemas de IA. 

Estos casos demuestran que la IA puede causar importantes daños sociales y éticos sin una supervisión adecuada, lo que pone de relieve la importancia de la gobernanza en la gestión de los riesgos asociados a la IA avanzada. Al proporcionar directrices y marcos, la gobernanza de la IA tiene como objetivo equilibrar la innovación con la seguridad, lo que ayuda a garantizar que los sistemas de IA no violen la dignidad ni los derechos humanos.

Comprender cómo los sistemas de IA toman decisiones para responsabilizarlos de sus conclusiones es una parte esencial de la gobernanza de la IA para ayudar a garantizar que este tipo de programas tomen decisiones justas y éticas. Desde decidir qué anuncios mostrar a qué usuarios, hasta determinar la elegibilidad de préstamos, los sistemas de IA se utilizan para tomar decisiones todo el tiempo, desde lo trivial hasta lo crítico. Al depender de estos sistemas, la toma de decisiones transparente y la explicabilidad son extremadamente importantes para garantizar que los sistemas de IA se empleen de forma responsable y para generar confianza. 

Además, la gobernanza de la IA no se trata solo de ayudar a asegurar el cumplimiento de una sola vez; también se trata de mantener estándares éticos a lo largo del tiempo. Los modelos de IA pueden desviarse, lo que conlleva cambios en la calidad y la fiabilidad de los resultados. Las tendencias actuales en la gobernanza de la IA van más allá del mero cumplimiento legal. Cada vez más estamos viendo un mayor valor otorgado a los esfuerzos socialmente responsables en el desarrollo de IA y aplicaciones que protegen contra daños financieros, legales y de reputación, al tiempo que promueven el crecimiento ético y el avance de esta nueva y emocionante tecnología.

Los ejemplos de gobernanza de la IA incluyen una serie de políticas, infraestructura y prácticas que organizaciones, empresas, órganos rectores y gobiernos están implementando con el objetivo común de promover el uso responsable de las tecnologías de IA. Estos ejemplos demuestran cómo se produce la gobernanza de la IA en diferentes contextos:

Reglamento General de Protección de Datos (RGPD): el GDPR es un ejemplo de gobernanza de la IA, especialmente en el contexto de la protección de datos personales y la privacidad. Aunque el RGPD no se centra exclusivamente en la IA, muchas de sus disposiciones son muy pertinentes para los sistemas de IA, especialmente los que procesan datos personales de individuos dentro de la Unión Europea.

Organización para la Cooperación y el Desarrollo Económicos (OCDE): Los Principios de IA de la OCDE, adoptados por más de 40 países, enfatizan la administración responsable de la IA confiable, incluidas las directrices que promueven la transparencia, la equidad y la rendición de cuentas en los sistemas de IA.

Consejos de ética de IA: muchas empresas han establecido consejos o comités de ética de IA dedicados para supervisar las iniciativas de IA, asegurándose de que se alineen con los estándares éticos y los valores sociales. Estos consejos a menudo incluyen equipos multifuncionales con antecedentes legales, técnicos y de políticas.   Desde 2019, la propia junta de ética de IA de IBM ha revisado nuevos productos y servicios de IA para asegurarse de que se alineen con los principios de IA responsable de IBM. 

Según un informe del IBM Institute for Business Value, el 80% de las organizaciones tienen una parte separada de su función de riesgo dedicada a los riesgos asociados con el uso de la IA o la IA generativa. 

A nivel empresarial, el director ejecutivo (CEO) y la alta dirección son los responsables en última instancia de implementar la gobernanza de la IA a lo largo del ciclo de vida de la IA, normalmente delegando ciertas tareas prácticas de políticas a los stakeholders relevantes, como el director de tecnología y sus inferiores. Dado que la gobernanza de la IA conlleva amplias implicaciones normativas, los departamentos jurídicos y el asesoramiento general son stakeholders críticos al evaluar y mitigar el riesgo, y a menudo están encargados de garantizar que las aplicaciones de IA cumplan con las leyes pertinentes y los requisitos de cumplimiento. 

Dependiendo del tamaño de una organización determinada, un equipo de auditoría dedicado puede ser responsable de validar la integridad de los datos de cualquier sistema de IA utilizado, confirmando que funciona según lo previsto sin introducir errores ni sesgos. Si bien las operaciones más pequeñas pueden no tener equipos de auditoría dedicados, a medida que la tecnología de IA continúa recibiendo cada vez más recursos, este tipo de equipos y roles se están convirtiendo cada vez más en una prioridad. 

Cuando la gobernanza de la IA puede afectar los asuntos financieros, el CFO y sus empleados son los más responsables de gestionar los costos asociados con las iniciativas de IA, incluidas las medidas de gobernanza instituidas para mitigar los riesgos financieros tanto para la propia empresa como para los clientes potenciales. 

Sin embargo, finalmente la responsabilidad de la gobernanza de la IA no recae en una sola persona o departamento; es una responsabilidad colectiva que requiere que cada líder, stakeholder y miembro del equipo priorice la responsabilidad y ayude a garantizar que los sistemas de IA se utilicen de manera responsable y ética en toda la organización. 

Al priorizar la gobernanza de la IA, invertir en una capacitación rigurosa del personal y fomentar una cultura transparente de comunicación abierta y colaboración, los gerentes y el liderazgo pueden enviar un mensaje claro a todos los empleados de que todos deben usar la IA de manera responsable y ética. 

Si bien el director ejecutivo (CEO) y la alta dirección son responsables de establecer el tono general y la cultura de una organización, cuando se trata del tipo de monitoreo continuo que exige la gobernanza en todos los pipelines de IA, los graves riesgos asociados con la IA requieren que todos los stakeholders hagan su parte para garantizar la aplicación adecuada de esta poderosa tecnología. 

El poder transformador de la tecnología de IA en innumerables industrias dispares y casos de uso sigue tomando protagonismo. La introducción de modelos modernos de IA generativa, como Chat GPT, Claude y Midjourney, capaces de generar contenido nuevo (incluidos texto, imágenes, audio, video y código), capturó y encendió la imaginación del público con posibilidades deslumbrantes. 

Sin embargo, aunque muchos artistas encuentran inspiración en estas herramientas creativas, muchos las ven como una amenaza. A partir de obras creativas existentes, las primeras formas de estos modelos han sido acusadas de plagio, ya que sus resultados parecen reinterpretar la propiedad intelectual protegida por derechos de autor sin acreditación. 

En respuesta a estas preocupaciones, las versiones actuales de estos modelos promulgaron políticas más estrictas para la revisión de datos de entrenamiento, asegurando que cualquier trabajo empleado para entrenar modelos esté debidamente licenciado. Los esfuerzos de gobernanza de la IA continúan garantizando que estas valiosas herramientas utilizadas para mejorar el proceso creativo sigan cumpliendo con las normas y sean éticas. 

Más allá de la creación de medios, otros tipos interesantes de IA, como los modelos de IA agéntica, se están empleando para automatizar tareas tediosas y así avanzar en la productividad y la investigación en campos tan alejados como el derecho y la farmacología. Desde la programación y el desarrollo, hasta la astronomía y la física, la IA está transformando la forma en que operan las industrias. Sin embargo, con su amplia aplicabilidad surge una necesidad aún mayor de gobernanza de la IA.   

Los principios de la gobernanza de la IA responsable son esenciales para que las organizaciones se protejan a sí mismas y a sus clientes. Guiando a las organizaciones en el desarrollo ético y la aplicación de tecnologías de IA, estos principios incluyen:

• Empatía: las organizaciones deben comprender las participaciones sociales de la IA, no solo los aspectos tecnológicos y financieros. Deben anticipar y abordar el impacto de la IA en todos los stakeholders con un enfoque empático que atienda las preocupaciones no solo de los proveedores, sino también de los clientes y todos los afectados por el uso y los resultados de los motores de IA. 
  
  
• Control de sesgos: Es esencial examinar rigurosamente los datos de entrenamiento para evitar la incorporación de sesgos del mundo real en los algoritmos de IA, ayudando a garantizar procesos de toma de decisiones justos y sin sesgo. El control de sesgos puede ser especialmente importante en situaciones en las que la IA puede estar tomando decisiones que pueden afectar injustamente a ciertas comunidades marginadas, como sentencias penales o diagnósticos médicos.  
  
  
• Transparencia: Debe haber claridad y apertura en cómo operan y toman decisiones los algoritmos de IA, con organizaciones dispuestas a explicar la lógica y el razonamiento detrás de los resultados impulsados por IA. Si surge un problema por una decisión tomada por una IA, es crítico que se disponga de métodos para clasificar cualquier proceso de toma de decisiones potencialmente defectuoso y así entender cómo y por qué los modelos de IA llegan a ciertas conclusiones. 
  
  
• Responsabilidad: Las organizaciones deben establecer y adherirse proactivamente a normas estrictas para gestionar los cambios significativos que la IA puede traer consigo, manteniendo la responsabilidad por los impactos de la IA. Por ejemplo, cuando un médico evalúa los resultados de las pruebas de un paciente, como una radiografía, es claramente responsable de las conclusiones y acciones resultantes de su interpretación de los datos. A medida que los sistemas de IA comienzan a analizar la información médica, a menudo proporcionando un diagnóstico más rápido y preciso, existe una necesidad vital de establecer la responsabilidad a través del pipeline de la IA, delineando dónde puede terminar la responsabilidad del médico y comienza la responsabilidad del modelo de IA. 
  

Aunque la regulación y las fuerzas del mercado estandarizan muchas métricas de gobernanza, las organizaciones individuales deben determinar la mejor manera de definir las medidas relevantes para su negocio único. La evaluación de la eficacia de la gobernanza de la IA puede variar según la organización; cada una debe decidir qué parámetros debe priorizar. Con diversas consideraciones, como la calidad de los datos, la seguridad del modelo, el análisis de costo-valor, el monitoreo de sesgos, la responsabilidad individual, la auditoría continua y la adaptabilidad, todo dependiendo del dominio de la organización, la gobernanza de la IA nunca puede ser una solución única para todos.

La gobernanza de la IA no tiene “niveles” universalmente estandarizados de la manera en que, por ejemplo, la ciberseguridad podría tener niveles definidos de respuesta a las amenazas. En su lugar, la gobernanza de la IA cuenta con enfoques y marcos estructurados desarrollados por diversas entidades que las organizaciones pueden adoptar o adaptar a sus necesidades específicas.

Las organizaciones pueden utilizar varios marcos y directrices para desarrollar sus prácticas de gobernanza. Algunos de los marcos más utilizados incluyen el Marco de Gestión de Riesgos de IA del NIST, los Principios de la OCDE sobre Inteligencia Artificial y las Directrices de Ética para una IA Confiable de la Comisión Europea. Estos marcos proporcionan orientación para una variedad de factores, incluyendo transparencia, responsabilidad, equidad, privacidad, seguridad y protección.

Los niveles de gobernanza de la IA pueden variar según el tamaño de cualquier organización, la complejidad de los sistemas de IA en uso y el entorno normativo en el que opera la organización.

Si bien no es exhaustiva, una descripción general de los enfoques de gobernanza de la IA incluye:

La gobernanza de la IA implica establecer estructuras de control sólidas que contengan políticas, directrices y marcos para abordar desafíos diversos y específicos. Implica establecer mecanismos para monitorear y evaluar continuamente los sistemas de IA, asegurando que cumplan con las normas éticas establecidas y las regulaciones legales.

El concepto de gobernanza de la IA resulta cada vez más vital a medida que la automatización, impulsada por la IA, se impone en sectores que van desde la atención médica y las finanzas hasta el transporte y los servicios públicos. Las capacidades de automatización de la IA pueden mejorar significativamente la eficiencia, la toma de decisiones y la innovación, pero también introducen retos relacionados con la responsabilidad, la transparencia y las consideraciones éticas.

Las estructuras de gobernanza eficaces en la IA son multidisciplinarias e involucran a los stakeholders de diversos campos, como la tecnología, el derecho, la ética y los negocios. A medida que los sistemas de IA se vuelven más sofisticados y se integran en aspectos críticos de la sociedad, el papel de la gobernanza de la IA a la hora de guiar y dar forma a la trayectoria del desarrollo de la IA y a su impacto en la sociedad se vuelve cada vez más crucial.

Las mejores prácticas de gobernanza de la IA más allá del simple cumplimiento normativo requieren un enfoque estratégico para desarrollar un sistema más robusto capaz de monitorizar y gestionar aplicaciones de IA. Para las empresas de nivel empresarial, cualquier solución de gobernanza de la IA debe permitir una amplia supervisión y control sobre los sistemas de IA. 

Una hoja de ruta general para la gobernanza de la IA podría incluir:

1.    Panel visual: Los paneles proporcionan actualizaciones en tiempo real sobre la salud y el estado de los sistemas de IA, y ofrecen una visión clara para realizar evaluaciones rápidas.

2. Métricas de estado: Los puntajes generales de estado para los modelos de IA agregan múltiples puntos de datos en una métrica unificada, intuitiva y fácil de entender para simplificar la monitorización de un vistazo.  

3. Monitoreo automatizado: Los sistemas automáticos de detección de sesgo, desviaciones, desempeño y anomalías ayudan a garantizar que los modelos funcionen de manera correcta y ética sin la necesidad de monitoreo humano las 24 horas del día.  

4. Alertas de rendimiento: Las alertas de rendimiento automatizadas, que se activan cuando un modelo se desvía de sus parámetros de rendimiento predefinidos, permiten dar respuestas rápidas a cualquier problema que pueda surgir.

5. Métricas personalizadas: Las métricas personalizadas que se alinean con los indicadores y umbrales clave de rendimiento de una organización ayudan a garantizar que los resultados de IA contribuyan a los objetivos del negocio personalizados.  

6. Registros de auditoría: Los registros y pistas de auditoría de fácil acceso fomentan la rendición de cuentas y facilitan las revisiones de las decisiones y los comportamientos de los sistemas de IA.

7. Compatibilidad de código abierto: Las herramientas de código abierto promueven la transparencia al revelar el código funcional al escrutinio público. Como resultado, estas herramientas suelen reflejar también las mitigaciones de riesgos de seguridad más actuales. Mantener la compatibilidad con las plataformas de desarrollo de machine learning más recientes permite que los marcos de gobernanza de la IA se beneficien de la flexibilidad y el soporte de la comunidad del código abierto.

8.    Integración perfecta: Las plataformas de gobernanza de la IA más efectivas están diseñadas para integrase perfectamente con la infraestructura existente, incluidas bases de datos y ecosistemas de software, para evitar silos y permitir flujos de trabajo eficientes.

Al seguir estas prácticas, las organizaciones pueden establecer un marco sólido de gobernanza de la IA que apoye el desarrollo, el despliegue y la gestión de la IA responsable, ayudando a garantizar que los sistemas de IA sean cumplidores y se alineen con las normas éticas y los objetivos de la organización.

Las prácticas de gobernanza de la IA y las regulaciones de la IA han sido adoptadas por varios países para prevenir el sesgo y la discriminación. Es importante tener en cuenta que la regulación siempre está en movimiento y las organizaciones que gestionan sistemas complejos de IA necesitan mantener un ojo cercano a medida que los marcos legales regionales evolucionan.

La Ley de Inteligencia Artificial de la Unión Europea, también conocida como la Ley de IA de la UE o la Ley de IA, es una ley que rige el desarrollo o uso de la inteligencia artificial (IA) en la Unión Europea (UE). La ley adopta un enfoque de regulación basado en el riesgo, aplicando diferentes reglas a la IA según los riesgos que plantean. Oficialmente en vigor desde agosto de 2024, la ley de IA será plenamente aplicable al cabo de dos años posteriores a esa fecha, con algunas excepciones, a saber, por ejemplo, las reglas para sistemas de IA de alto riesgo que se han integrado en productos regulados tendrán un período de transición extendido (hasta 2027).

Considerada el primer marco regulatorio integral del mundo para la IA, la Ley de IA de la UE prohíbe algunos usos de IA por completo e implementa requisitos estrictos de gobernanza, gestión de riesgos y transparencia para otros.

La ley también crea reglas para modelos de inteligencia artificial de propósito general, como el modelo fundacional de código abierto IBM Granite y Llama 3 de Meta. Las sanciones pueden oscilar entre 7.5 millones de EUR o el 1.5% de la facturación anual mundial y 35 millones de EUR o el 7% de la facturación anual mundial, según el tipo de incumplimiento.

En julio de 2025, la Comisión Europea publicó tres herramientas para apoyar el desarrollo y despliegue responsable y ético de modelos GPAI:

• Directrices que especifican las obligaciones de un proveedor de GPAI que aclaran las responsabilidades de los desarrolladores y proveedores de servicios a lo largo de la cadena de valor de IA. 
• El Código de Prácticas de la GPAI, una herramienta de cumplimiento voluntario que ofrece orientación práctica para la transparencia, el derecho de autor y la seguridad, está diseñado para ayudar a los proveedores a cumplir con la Ley de IA. 
• La plantilla para el resumen público del contenido de entrenamiento de modelos GPAI, que requiere que los proveedores proporcionen una visión transparente de los conjuntos de datos empleados para capacitar modelos de IA. 

Históricamente, el modelo SR-11-7 de EE. UU. fue el estándar regulatorio de gobernanza modelo para una gobernanza eficaz y estable empleada en la banca.¹ La regulación exigió a los funcionarios bancarios aplicar iniciativas de gestión de riesgos de modelos a nivel de toda la empresa y mantener un inventario de modelos implementados para su uso, en desarrollo para su implementación o recientemente retirados. Sin embargo, a partir del 17 de abril de 2026, la Reservación Federal emitió su Guía revisada sobre la gestión del riesgo de los modelos (SR-26-2), que sustituye y reemplaza a la SR-11-7. La guía revisada del modelo de gestión de riesgos entre agencias de la Reserva Federal, la OCC y la FDIC cambia el enfoque hacia una metodología más explícitamente basada en el riesgo y proporcional, con expectativas regulares que varían según el tamaño de la institución, la complejidad y el perfil de riesgo del modelo que, a diferencia de lo anterior, se adapta a todos los requisitos de gobernanza.

Los líderes de las instituciones afectadas también deben demostrar que sus propios modelos están logrando el propósito de negocio que se pretendía resolver, y que están actualizados y no se desviaron. El desarrollo y la validación del modelo deben permitir que cualquier persona que no esté familiarizada con un modelo comprenda las operaciones, las limitaciones y los supuestos clave del modelo.

Más allá de estas legislaciones específicas bancarias, la Casa Blanca emitió Un Marco de Política Nacional para la Inteligencia Artificial en marzo de 2026. El marco insta al Congreso a abordar seis "temas de política" clave relacionados con la gobernanza de la IA, que incluyen: 

1. Proteger a los niños y empoderar a los padres
2. Salvaguardar y fortalecer las comunidades estadounidenses
3. Respetar los derechos de propiedad intelectual y apoyar a los creadores
4. Prevenir la censura y proteger la libertad de expresión  
5. Habilitar la innovación y garantizar el dominio de la IA en Estados Unidos
6. Educar a los estadounidenses y desarrollar una fuerza laboral preparada para la IA

La Directiva de Canadá sobre la toma de decisiones automatizada describe cómo el gobierno de ese país utiliza la IA para guiar las decisiones en varios departamentos.² La directiva utiliza un sistema de puntuación para evaluar la intervención humana, las revisiones por pares, el monitoreo y la planificación de contingencias necesarios para una herramienta de IA construida para servir a los ciudadanos.

Las organizaciones que crean soluciones de IA con una alta puntuación deben realizar dos revisiones independientes por pares, ofrecer un aviso público en lenguaje sencillo, desarrollar un mecanismo de seguridad contra fallas de intervención humana y establecer cursos de capacitación recurrentes para el sistema. Dado que la Directiva de Canadá sobre la Toma de Decisiones Automatizada es una guía para el propio desarrollo de IA del país, la regulación no afecta directamente a las empresas de la misma manera que lo hace la SR-11-7 en los Estados Unidos.

Desde que dio a conocer su directiva inicial, el gobierno canadiense ha publicado recientemente una Estrategia de IA para la Administración Pública Federal 2025-2027, con consideraciones adicionales que se centran tanto en el sector público como en el privado para servir mejor a los canadienses a través de la adopción responsable de la IA.

En abril de 2021, la Comisión Europea presentó su paquete sobre IA, que incluía declaraciones sobre el fomento de un enfoque europeo de la excelencia, la confianza y una propuesta de marco jurídico sobre IA.³

Las declaraciones establecen que, si bien la mayoría de los sistemas de IA entran en la categoría de "riesgo mínimo", los sistemas de IA identificados como de "alto riesgo" deberán cumplir con requisitos más estrictos y los sistemas considerados de "riesgo inaceptable" serán prohibidos. Las organizaciones deben prestar mucha atención a estas reglas o arriesgarse a recibir multas.

En 2023, China emitió sus Medidas Provisionales para la Administración de Inteligencia Artificial Generativa. Según la ley, la provisión y el uso de servicios de IA generativa deben “respetar los derechos e intereses legítimos de otros” y están obligados a “no poner en peligro el estado físico y mental de otros, y no infringir los derechos de imagen, derechos de reputación de otros, derechos de honor, derechos de privacidad y derechos de información personal”.

Otros países de la región de Asia y el Pacífico han publicado varios principios y directrices para gobernar la IA. El gobierno federal de Singapur publicó un marco de gobernanza propuesto para el desarrollo de la IA generativa, en 2024, así como un marco modelo de gobernanza de la IA para la IA agéntica en 2026. India, Japón, Corea del Sur y Tailandia también están explorando pautas y legislación para la gobernanza de la IA.³