La brecha en la gobernanza de la IA no es un problema de políticas. Es un problema de evidencia

Si le preguntas a un CISO o a un director de cumplimiento qué les quita el sueño sobre los agentes de IA, la respuesta honesta rara vez es «los agentes». Es la pregunta que tarde o temprano hará un regulador, un auditor o un abogado contrario: ¿Qué agente accedió a este registro, bajo qué autorización y dónde está la prueba?

Esa pregunta ya tiene una respuesta a nivel sectorial, y no es tranquilizadora. El informe OneTrust 2026 AI-Ready Governance Survey Report, realizado junto a Sapio Research entre 1,200 altos responsables de la toma de decisiones en ocho mercados, reveló que el 87% de las organizaciones incentivan a empleados y áreas de negocio a usar agentes de IA. Solo el 47% acompaña ese incentivo con una gobernanza clara, supervisión y controles. Apenas el 5% afirma que la coordinación y la rendición de cuentas son claras a lo largo de todo el ciclo de vida de la IA. La propia definición de OneTrust para esa brecha es contundente: las organizaciones están «construyendo el avión mientras ya está en vuelo».

Esa diferencia de 40 puntos entre adopción y gobernanza es el titular. Pero lo que hay debajo importa más para quienes gestionan riesgos de cumplimiento. De las ocho actividades de gobernanza que midió OneTrust, la menos común es la evidencia de gobernanza y los registros auditables, realizada solo por el 28% de las organizaciones, el porcentaje más bajo de todas las categorías evaluadas. La confianza en tareas individuales de gobernanza es alta, entre el 76% y el 78% según la actividad. Pero la confianza en poder generar evidencia que vincule un resultado a una decisión autorizada y registrada no lo es. Esa diferencia, entre hacer gobernanza y poder demostrarla, es donde debe avanzar la conversación sobre gobernanza de IA.

La propia investigación de Kiteworks señala la misma falla, desde la capa de datos hacia arriba. El informe Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report encontró un Índice de Preparación en Seguridad de Datos y Cumplimiento (DSCRI) de solo 16.2 sobre 100 entre 459 organizaciones, y que el 79% no cuenta con un mecanismo automatizado para terminar el acceso de un agente de IA que se comporte de forma indebida. Ambos conjuntos de datos, uno midiendo procesos y coordinación de gobernanza, el otro midiendo los controles de datos subyacentes, describen a la misma organización desde dos ángulos. Ninguno parece preparado para la pregunta que hará un regulador.

Conclusiones clave

1. La adopción de agentes de IA supera a la gobernanza por 40 puntos. La encuesta 2026 de OneTrust encontró que el 87% de las organizaciones incentivan el uso de agentes de IA, pero solo el 47% tiene gobernanza, supervisión y controles acordes.
2. La coordinación y la rendición de cuentas a lo largo del ciclo de vida de la IA casi no existen. Solo el 5% de las organizaciones reporta una propiedad y transferencias claras desde la aprobación del caso de uso hasta la monitorización posterior a la implementación, a pesar de realizar un promedio de cuatro actividades de gobernanza.
3. La evidencia es la actividad de gobernanza más débil, no la más fuerte. La documentación de gobernanza, los registros auditables y la generación de evidencia ocupan el último lugar entre las ocho actividades evaluadas, realizadas solo por el 28% de las organizaciones, lo que representa la verdadera brecha de responsabilidad que se esconde tras respuestas de confianza en las encuestas.
4. Las acciones no aprobadas de agentes ya son un incidente operativo, no una hipótesis. El 48% de las organizaciones reporta al menos un incidente relacionado con acciones no aprobadas de agentes o sistemas de IA en los últimos 12 meses, y el 28% reporta dos o más.
5. La solución es un problema de control de datos, no otro documento de políticas. La investigación de Kiteworks sitúa la preparación promedio de las organizaciones en seguridad de datos y gobernanza de IA en 16.2 sobre 100, lo que significa que la brecha de evidencia y la brecha de agentes tienen la misma raíz: la ausencia de un registro confiable sobre qué datos accedió un agente y bajo qué autorización.

La adopción va ganando la carrera. La gobernanza ni siquiera ha empezado

La cifra central de la encuesta de OneTrust merece repetirse completa, porque el contexto es tan importante como el número. El 87% de las organizaciones incentiva el uso de agentes de IA, con o sin gobernanza implementada. Solo el 47% cuenta con gobernanza, supervisión y controles claros para acompañar ese incentivo. El 40% incentiva activamente el uso de agentes mientras reconoce que la gobernanza y los controles «aún se están desarrollando». El 10% afirma que los agentes operan en partes del negocio sin supervisión consistente. Solo el 1% actualmente prohíbe por completo el uso de agentes de IA.

El incentivo tampoco se distribuye igual según el rol. Los CISOs reportan la tasa más alta de incentivo al uso de agentes, con un 91%, seguidos por los CDOs con 90%, CPOs con 85% y CMOs con 83%. Ese orden merece atención. La función más responsable de la administración de riesgos de seguridad es también la que más probablemente deja pasar agentes. No necesariamente es una contradicción. Puede significar que los CISOs entienden que bloquear la adopción de agentes no es una política realista en 2026, y que el verdadero trabajo es construir los controles para gobernar lo que ya está ocurriendo.

El informe de OneTrust describe un Modelo de Madurez de Gobernanza de IA con cinco etapas, y la distribución es reveladora. Solo el 17% de las organizaciones describe su gobernanza como totalmente integrada desde el diseño y facilitando activamente la innovación, el estado de mayor madurez evaluado. Casi la mitad, el 47%, describe la gobernanza como reactiva y fragmentada, o definida en papel pero lenta y manual en la práctica. Una organización puede tener un marco de gobernanza, un comité de riesgos y una política documentada, y aun así estar en ese 47% si nada de eso funciona con la rapidez necesaria para seguir el ritmo de la implementación de agentes.

Aquí es donde la frase «construyendo el avión mientras está en vuelo» se convierte en la imagen definitoria del informe. No describe organizaciones sin plan. Describe organizaciones ejecutando un plan de adopción de IA mientras redactan el plan de gobernanza en el mismo trimestre, a veces en la misma reunión.

La verdadera brecha es la coordinación, y la coordinación requiere evidencia

El dato más llamativo de todo el conjunto de OneTrust no es la división 87/47. Es el 5%. Solo el 5% de las organizaciones reporta coordinación y rendición de cuentas claras a lo largo de todo el ciclo de vida de la IA, desde la aprobación del caso de uso hasta la monitorización posterior a la implementación, la respuesta a incidentes y la supervisión de proveedores. Ese dato se acompaña de otros dos que, a primera vista, parecen contradecirlo. Las organizaciones realizan un promedio de cuatro actividades de gobernanza, y entre el 76% y el 78% de los encuestados se siente confiado en su capacidad para ejecutar cada tarea de gobernanza evaluada.

Leídos en conjunto, esos tres datos describen un fallo muy específico. Los equipos individuales realizan tareas de gobernanza de manera competente. Un equipo de privacidad realiza evaluaciones de impacto. Un equipo de seguridad registra incidentes. Un equipo de compras revisa contratos de proveedores. La confianza en cada tarea, por separado, es genuinamente alta. Lo que falta es el tejido conectivo: una persona responsable que pueda decir con certeza qué equipo es responsable en cada etapa del ciclo de vida de un agente, y un registro compartido, con calidad de evidencia, que sobreviva a los traspasos entre equipos.

La propia segmentación de OneTrust por etapa del ciclo de vida confirma que no hay un único punto de dolor dominante a resolver. Medir el desempeño, valor o impacto en el negocio es el mayor reto de coordinación, citado por el 28%. La gestión de riesgos de IA de terceros o proveedores sigue con el 24%. La monitorización de sistemas de IA tras la implementación y la clasificación de riesgos antes de la implementación empatan con el 23% cada una. El mantenimiento de controles técnicos está en el 22%. La dispersión entre más de ocho categorías, sin una dominante, es en sí misma el hallazgo. No es un solo paso roto en el proceso, es un proceso que nunca estuvo conectado de extremo a extremo.

Por eso la evidencia de gobernanza y los registros auditables ocupan el último lugar entre las ocho actividades de gobernanza medidas por OneTrust, realizadas solo por el 28% de las organizaciones. La generación de evidencia es la actividad que, por definición, requiere ese tejido conectivo. No puedes producir un registro coherente y único del acceso a datos de un agente de IA a lo largo de su ciclo de vida si los cinco equipos que participaron mantienen sus propios registros, en formatos distintos, en sistemas separados, sin una cadena de custodia compartida. La cadena de custodia se rompe justo donde se rompe el organigrama.

Los reguladores regulan datos, no organigramas. Y tampoco modelos.

Esta es la perspectiva que aporta un responsable de cumplimiento a estos datos, y que suele pasar desapercibida en un enfoque puramente de procesos de gobernanza. Nada de esto cambia lo que pregunta un regulador. HIPAA no hace una excepción según si un médico humano o un agente de IA accedió a un registro de paciente. El principio de responsabilidad del GDPR no distingue si la decisión de procesamiento la tomó una persona o un flujo de trabajo autónomo. La obligación de producir un registro defendible de quién accedió a qué, cuándo y bajo qué autorización no es nueva, y nunca dependió de que el acceso lo hiciera un humano.

Lo que cambia con los agentes es el volumen y la velocidad de los eventos de acceso que deben registrarse, autorizarse y estar disponibles bajo demanda, no el requisito legal de fondo. Un agente de IA que consulta una base de datos de clientes, redacta un documento a partir de registros regulados o mueve un archivo entre sistemas está realizando un evento de acceso a datos. Las obligaciones de cumplimiento normativo aplican a ese evento igual que si lo hubiera hecho una persona. La brecha que documenta OneTrust, con el 47% con gobernanza clara de agentes frente al 87% que ya los usa, es una brecha en la infraestructura que permitiría a una organización responder a la pregunta de un regulador sobre cualquiera de esos eventos.

Las cifras de incidentes en esta encuesta deberían preocupar más a un responsable de cumplimiento que a un arquitecto de seguridad. El 48% de las organizaciones reporta al menos un incidente en los últimos 12 meses relacionado con acciones no aprobadas de sistemas o agentes de IA. El 28% reporta dos o más. Una «acción no aprobada» no es principalmente un fallo técnico. Es un fallo de gobernanza con una consecuencia concreta de cumplimiento. Ocurrió un evento de acceso que nadie autorizó, y en una proporción significativa de estas organizaciones, nadie puede reconstruirlo completamente después. Ese es el escenario exacto que los requisitos de registro auditable en HIPAA, GDPR, SOX y marcos sectoriales como DORA buscan evitar.

El 96% ya está pagando el precio de la gobernanza, sin la evidencia que lo respalde

El 96% de las organizaciones afirma que al menos una iniciativa de IA se ralentizó, pausó o complicó por requisitos de gobernanza, riesgo o revisión en el último año. Ese dato podría interpretarse como un argumento en contra del rigor en la gobernanza. Debería leerse justo al revés. El principal factor de retraso, citado por el 52% de los encuestados, es la preocupación por la calidad, el acceso, la privacidad o la seguridad de los datos, exactamente la categoría que una capa de evidencia madura resuelve antes de que se convierta en un obstáculo. El segundo factor más común, con el 39%, es la visibilidad limitada sobre componentes de IA de terceros, proveedores o fuentes de datos, una brecha de administración de riesgos de terceros que vuelve a aparecer más adelante en la encuesta como uno de los retos de coordinación más difíciles.

En otras palabras, la mayor parte de la fricción que ya están absorbiendo las organizaciones es fricción que una capa de evidencia funcional eliminaría, no fricción que la evidencia crearía. Los comités de revisión detienen proyectos porque no pueden obtener una respuesta rápida y confiable a «qué datos va a tocar este agente y cómo lo sabemos». Esa es una pregunta de la capa de datos. No se responde con otra reunión de comité de gobernanza. Se responde con controles de acceso y registros que generen la respuesta automáticamente, bajo demanda, en vez de un proceso manual que tarda días.

La intención de inversión refleja un reconocimiento creciente de esto. El 80% de los encuestados afirma que su función ahora dedica más tiempo a gestionar riesgos relacionados con IA que hace 12 meses, con un aumento neto promedio del 26%. El 98% planea aumentar su presupuesto en tecnología de gobernanza de IA el próximo año, en promedio un 25% más. Es mucho gasto nuevo persiguiendo un problema que, según los propios datos de la encuesta, no es principalmente un problema de presupuesto. La misma investigación anual de Kiteworks encontró el mismo patrón de forma independiente. Las organizaciones que dedican el 25% o más de su presupuesto de TI a ciberseguridad obtuvieron, en promedio, menos de un punto más en un índice de madurez de seguridad de 100 puntos que el conjunto total. Gastar más no compra preparación automáticamente. Dirigir ese gasto a controles de datos específicos y comprobables sí lo hace.

Lo que revelan los propios datos de Kiteworks sobre la capa debajo de la gobernanza

El informe de OneTrust es un estudio sobre procesos y coordinación de gobernanza, encuestando a CPOs, CDOs, CISOs y CMOs sobre cómo estructuran la supervisión de IA en sus organizaciones. Es un complemento útil e independiente de lo que Kiteworks midió desde la propia capa de datos en su investigación anual 2026, una encuesta a 459 profesionales de seguridad y cumplimiento. Los dos estudios hacen preguntas diferentes y llegan a la misma conclusión desde ángulos opuestos.

El informe de Kiteworks introduce un Índice de Preparación en Seguridad de Datos y Cumplimiento, o DSCRI, calculado como la puntuación de madurez en seguridad multiplicada por la proporción de capacidades de gobernanza de datos de IA implementadas. El promedio de DSCRI es 16.2 sobre 100. Los autores del informe son explícitos: esto es deliberadamente multiplicativo. Una organización no puede compensar una gran brecha de gobernanza de IA con un gasto incremental en seguridad general, porque ambas dimensiones deben avanzar juntas. Esa es la versión cuantitativa de lo que los encuestados de OneTrust describen cualitativamente cuando dicen que las capacidades individuales parecen sólidas pero la coordinación a lo largo del ciclo de vida no lo es.

Las brechas de control específicas detrás de ese 16.2 se corresponden directamente con los hallazgos de OneTrust. El 79% de las organizaciones no tiene un mecanismo automatizado para terminar el acceso de un agente de IA que se comporte de forma indebida, lo que el informe llama un kill switch. Entre las organizaciones que sí lo han implementado, el 23% nunca lo ha probado, lo que significa que incluso el 21% que tiene un kill switch no puede asegurar con confianza que funcionaría bajo presión. El 74% carece de controles de purpose binding que restrinjan técnicamente a un agente de IA a sus tareas y datos autorizados, lo que implica que la política existe en la mayoría de las organizaciones sin una aplicación técnica detrás. El 50% no puede generar un registro completo de acceso a datos de IA en un día hábil, y el 83% no puede hacerlo en una hora. El 67% carece de registros auditables con evidencia de manipulación, el tipo de evidencia que un auditor o investigador revisa para confirmar que los registros no fueron alterados después.

Cada una de esas cifras describe un problema de evidencia, no de política. Una organización puede tener una política de gobernanza de IA bien redactada y aun así no poder responder, el día que lo pregunte un regulador, qué agente accedió a un registro específico, si ese acceso fue autorizado y si el registro que lo prueba no ha sido manipulado. Ese es el escenario exacto que describen los encuestados de OneTrust cuando afirman que la coordinación y la rendición de cuentas a lo largo del ciclo de vida no están claras. La capa de políticas y la capa de evidencia no son la misma, y una brecha en la segunda no se cierra escribiendo más de la primera.

El modelo BBVA: gobernanza integrada en el ciclo de vida, no añadida al final

El informe de OneTrust incluye un breve caso de estudio de BBVA, un banco global que opera en 25 países con más de 81 millones de clientes, que vale la pena destacar porque describe cómo se cierra esta brecha a nivel operativo. Marta Sanz, responsable de Gobernanza de IA en BBVA, explica cómo integran la gobernanza en el ciclo de vida de la IA desde el principio, en vez de tratarla como una sola puerta de aprobación antes del lanzamiento. Eso implica evaluar el caso de uso previsto, la sensibilidad de los datos, el modelo, el sistema, el nivel de autonomía y el impacto del acceso desde el inicio, para que la gobernanza escale proporcionalmente al riesgo en vez de aplicar la misma revisión pesada a todos los proyectos sin importar su importancia.

El detalle más relevante para una audiencia de cumplimiento es lo que Sanz comenta sobre la etapa posterior a la implementación. BBVA trata la monitorización tras la implementación, la trazabilidad y las vías de escalamiento como igual de importantes que la evaluación inicial, porque los patrones de uso, los riesgos y el rendimiento siguen evolucionando después de que un agente entra en producción. Esa es una respuesta directa a la brecha de coordinación que midió OneTrust. El 23% de las organizaciones cita la monitorización de sistemas de IA tras la implementación como uno de sus mayores retos de coordinación. El modelo de BBVA trata la monitorización no como una fase separada y de menor prioridad, sino como una extensión continua de la misma disciplina de gobernanza aplicada al inicio, con la misma expectativa de evidencia producible en cada etapa.

Cinco capacidades, un requisito de fondo: la prueba

OneTrust cierra su informe con un marco de cinco capacidades para lo que denomina la siguiente fase de la gobernanza de IA: visibilidad continua sobre el uso de IA aprobado, no aprobado, de terceros y agentes; gobernanza escalable que siga el ritmo de la adopción; límites reforzados que traduzcan la política en controles efectivos; responsabilidad conectada con propietarios claros y transferencias definidas; y evidencia continua, es decir, documentación, historial de monitorización, aprobaciones y registros de incidentes que resistan el escrutinio externo.

Leído desde la perspectiva del cumplimiento, salta un patrón. Cada una de las primeras cuatro capacidades depende de la quinta para ser verificable. La visibilidad que no puede evidenciarse es solo una afirmación. La gobernanza que no puede evidenciarse es solo una política. Los límites que no pueden evidenciarse son intenciones. La responsabilidad que no puede evidenciarse es un organigrama sin forma de probar quién hizo qué. La evidencia no es el quinto elemento en una lista de cinco prioridades iguales. Es el sustrato sobre el que se apoyan las otras cuatro.

Tim Mullen, CISO en OneTrust, defiende el mismo argumento de forma independiente en un artículo complementario para The Hacker News, publicado la misma semana que el informe de la encuesta. Mullen sostiene que los marcos de gobernanza de IA como ISO 42001 y el Marco de Gestión de Riesgos de IA del NIST deben integrarse en la base ISO 27001 existente de la organización mediante monitorización continua de controles, en vez de construirse como un programa paralelo evaluado solo en un momento puntual. Su recomendación es directa: «Un enfoque más práctico es establecer una base sólida, construir procesos repetibles, alinear controles y automatizar donde sea estable». Mullen también cita el hallazgo de incidentes de la encuesta: el 86% de las organizaciones tuvo al menos un incidente relacionado con IA el último año, y argumenta que rastrear dependencias en el acceso a datos, identidades, modelos de terceros e impacto en procesos de negocio importa más que perseguir una postura de cumplimiento perfecta y estática mientras el negocio sigue avanzando.

Ambos textos convergen en el mismo principio operativo: continuo, no puntual. Automatizado, no solo atestiguado. Un control que pueda verificarse bajo demanda, no una política revisada una vez al año y asumida como vigente.

Lo que realmente requiere una capa de datos con calidad de evidencia

Traducir los hallazgos de OneTrust y Kiteworks en una lista operativa produce un listado más corto de lo que podría parecer, porque la mayor parte de la brecha se reduce a unas pocas capacidades específicas y comprobables, no a un cambio cultural amplio.

El punto de partida es saber a qué datos pueden acceder los agentes. La clasificación de datos que activa controles posteriores, en vez de solo poner una etiqueta sin efecto conductual, es la base de todo lo demás en esta lista. A partir de ahí, el acceso debe estar restringido técnicamente, no solo por política. El control de acceso basado en atributos que delimita lo que puede alcanzar la identidad de un agente, vinculado al mismo modelo de autorización que se aplica a usuarios humanos, cierra la brecha de purpose binding que el 74% de las organizaciones de la encuesta de Kiteworks no ha resuelto.

Cada evento de acceso, ya sea de un humano o un agente, debe generar una entrada de registro que llegue a un panel de CISO y a un sistema centralizado de auditoría, no a un registro aislado que nunca sale del equipo que construyó la integración. Ese registro debe ser a prueba de manipulaciones, porque una cadena de auditoría que podría haber sido editada después no es evidencia, es solo una afirmación. Y la organización necesita un mecanismo probado y funcional para cortar el acceso de un agente de inmediato cuando algo sale mal, que se pruebe de forma periódica y no se asuma que funcionará la primera vez que se necesite.

Kiteworks secure data exchange está diseñado exactamente para este requisito. Una sola capa de gobernanza, el Kiteworks Control Plane, aplica la misma autorización de acceso, cifrado y registro de auditoría a toda persona, máquina o agente autónomo que acceda a datos sensibles. Kiteworks Compliant AI aplica la política justo en el punto donde los datos, de otro modo, fluirían sin control hacia un sistema de IA, y cada evento de acceso, humano o agente, queda en el mismo registro de auditoría en vez de en un registro separado que un responsable de incidentes deba buscar. Los agentes no se gobiernan como un caso especial añadido después. Se integran en el mismo marco de identidad y acceso que ya regula el acceso humano a los datos, el mismo modelo que describe BBVA y la misma capacidad que falta en el 79% de las organizaciones según la encuesta de Kiteworks.

Nada de esto requiere esperar a que se termine un marco de gobernanza perfecto. Requiere la misma secuencia que describe Mullen: establecer la base, hacer que los controles sean repetibles y comprobables, y automatizar los que ya han demostrado ser estables. Un registro con calidad de evidencia sobre el acceso de agentes a datos no es el último paso tras lograr la madurez en gobernanza. Es el primer control que hace verificable cualquier afirmación posterior de gobernanza.

Para saber más sobre cómo cerrar la brecha de evidencia en la gobernanza de agentes de IA, agenda una demo personalizada hoy.

Recursos adicionales

• Artículo del Blog
  Estrategias Zero‑Trust para una protección de privacidad de IA asequible
• Artículo del Blog
  Cómo el 77% de las organizaciones falla en la seguridad de datos de IA
• eBook
  Brecha de gobernanza de IA: Por qué el 91% de las pequeñas empresas juega a la ruleta rusa con la seguridad de datos en 2025
• Artículo del Blog
  No existe «–dangerously-skip-permissions» para tus datos
• Artículo del Blog
  Los reguladores ya no preguntan si tienes una política de IA. Quieren pruebas de que funciona.