Confiar pero verificar falla sin una trazabilidad de auditoría de IA

Un equipo de cumplimiento que no puede demostrar qué leyó su IA y qué respondió está asumiendo un riesgo de multa que ahora tiene un valor concreto. Enhesa encuestó a 273 responsables sénior de cumplimiento, riesgos, EHS, legal y sostenibilidad en empresas con 5.000 o más empleados, y el 37 por ciento de los equipos que actuaron siguiendo recomendaciones de IA sin verificarlas reportaron una multa regulatoria. Entre el resto, la cifra fue del 13 por ciento. Casi tres veces más.

Esa es la clase de proporción que un consejo directivo recuerda. Compliance Week cubrió los resultados en noviembre, y el informe original se realizó en agosto de 2026 como una encuesta online encargada por la propia Enhesa. Hay dos advertencias que conviene mencionar. El proveedor vende tecnología de cumplimiento, y una tasa de multas diferente entre dos grupos de equipos es una asociación, no una prueba de que saltarse una verificación cause una multa. Ninguna de estas advertencias hace que el resultado sea descartable. La pregunta realmente útil para un CISO o Chief Compliance Officer no es si la proporción es exacta. Es si tu organización podría demostrar, hoy, que revisó la salida de su IA.

Aquí es donde me posiciono, y no coincide con la mayoría de los consejos habituales. Decirle a la gente que confíe pero verifique está bien hasta cierto punto. Pero no es suficiente. Un recordatorio no es un control, y una verificación no registrada es solo una anécdota. Un auditor o regulador suele pedir evidencia de qué se permitió leer a la IA, qué leyó realmente y qué hizo una persona después. Esa evidencia debe venir de la infraestructura, que es el problema en torno al cual se construyó Kiteworks secure data exchange, con una política que decide a qué puede acceder un cliente de IA y un registro de auditoría único que documenta lo ocurrido.

Conclusiones clave

  1. La gobernanza de IA ahora es un riesgo de multa medible. En una encuesta autodeclarada de 273 líderes de cumplimiento en grandes empresas, el 37 por ciento de los equipos que actuaron según recomendaciones de IA no verificadas reportaron una multa, frente al 13 por ciento del resto.
  2. Confiar pero verificar es un sistema de honor hasta que la verificación queda registrada. Pedir al personal que revise la salida de la IA crea una política, y mostrar quién revisó qué y contra qué fuente crea evidencia.
  3. La IA en la sombra borra el registro. La mayoría de los equipos encuestados introducen material sensible en herramientas de IA personales que, según la encuesta, no tienen registros ni trazabilidad de auditoría.
  4. La aplicación de políticas limita lo que la IA puede leer. Kiteworks Secure MCP Server y Kiteworks Compliant AI evalúan cada solicitud según políticas basadas en roles y atributos en la capa de datos, así que una persona o agente solo accede a lo que la política permite.
  5. Un único registro de auditoría convierte la revisión en prueba. Un solo registro para personas y agentes muestra qué cliente de IA accedió a qué archivo bajo la autoridad de quién, aunque una persona cualificada debe juzgar si la salida es correcta.

Qué demuestra y qué no demuestra la encuesta de Enhesa

Empecemos por quién respondió. Los 273 encuestados eran responsables sénior en organizaciones con 5.000 o más empleados que operan en dos o más países, así que esto es una visión de grandes empresas y no una instantánea de todos los departamentos de cumplimiento. Las respuestas son autodeclaradas y el patrocinador vende un producto en la categoría evaluada. Recomiendo leer cada cifra a continuación teniendo en cuenta estos dos hechos.

Dentro de esa muestra, la IA ya superó la fase piloto. La página de Enhesa indica que el 76 por ciento de los equipos usan IA en toda su función de cumplimiento o de forma totalmente autónoma en al menos una tarea central, y solo el 1 por ciento no usa IA en absoluto. Nadie en esta muestra está decidiendo si adoptar IA. Están decidiendo cómo convivir con ella.

La verificación es donde se rompe el hábito. El resumen de SecurityBrief sitúa al 40 por ciento de los equipos de cumplimiento en la categoría de «siempre o a menudo» para actuar según recomendaciones regulatorias generadas por IA sin revisión experta, y reporta que el 56 por ciento de los equipos tuvo un resultado negativo en los últimos 12 meses que atribuyen a salidas de IA no verificadas o incorrectas.

Lee eso de nuevo. Más de la mitad de estos equipos pueden nombrar un resultado negativo que atribuyen a una salida no verificada, y cuatro de cada diez siguen saltándose la revisión experta como rutina. La verificación existe en el papel. No existe como hábito.

Ahora los límites. El resumen público no define qué cuenta como verificación más allá de la comparación en sí, no indica un periodo de tiempo para las multas y no da tamaños de las multas. El informe completo está restringido y puede responder esas preguntas. Los equipos que omiten verificaciones pueden omitir otras disciplinas también, así que la diferencia de 37 frente a 13 es una señal sobre hábitos y exposición, no un efecto medido de un solo control. Una señal sigue mereciendo atención. Solo que no debe presentarse ante el consejo directivo sin sus matices.

Confías en que tu organización está segura. Pero ¿puedes demostrarlo?

Leer ahora

La presión por la velocidad explica por qué los equipos omiten la verificación

Nadie omite la verificación por pereza. Lo hacen porque el trabajo llega más rápido de lo que una persona puede revisarlo. La página de Enhesa indica que el 88 por ciento de los encuestados dice que los requisitos cambian de nuevo antes de que el cambio anterior se haya implementado por completo, y el 45 por ciento menciona demasiadas fuentes para monitorear manualmente como uno de los principales retos.

Desde esa perspectiva, la IA no es un simple gadget. Es la única forma de mantenerse al día. El resumen de SecurityBrief añade que Enhesa rastreó más de 22.000 cambios regulatorios importantes en 2025 y más de 15.000 en 2026 hasta agosto. Ningún equipo experto lee ese volumen línea por línea, así que la tentación de aceptar un resumen confiable y seguir adelante es estructural, no moral.

Ese es el punto contracorriente en estos datos. El riesgo no proviene de personas descuidadas. Proviene de un flujo de trabajo donde el camino rápido y el camino verificado son rutas distintas, y solo una está pavimentada. Pavimenta el camino verificado. Haz que sea el camino con la política ya aplicada, las fuentes ya delimitadas y el registro ya funcionando, y la verificación dejará de competir con la fecha límite.

La verificación basada en el honor es el fallo de no nombrar

Todo el mundo dice alguna versión de confiar pero verificar. La frase esconde un fallo de diseño. Se dirige a un individuo, en su escritorio, un martes por la tarde, con una fecha límite. Le pide recordar una verificación, hacerla bien y no dejar rastro de que la hizo. A eso lo llamo verificación basada en el honor, y los números de Enhesa parecen un informe de campo sobre cómo funciona.

Aquí fallan dos respuestas intuitivas. Prohibir la salida de IA en el trabajo de cumplimiento hace que los equipos busquen atajos, como muestra la siguiente sección con cifras. Permitirla con un recordatorio para revisar dos veces es construir el sistema de honor. La salida no es ninguna de las dos. Es hacer que la verificación sea observable, lo que implica un límite de entrada y un registro.

Mira lo que los propios profesionales dicen que les falta. Solo el 32 por ciento de los encuestados por Enhesa estaba muy seguro de poder defender la lógica detrás de una decisión de cumplimiento impulsada por IA, la cifra más baja de las siete capacidades medidas. Defender la lógica es un problema de evidencia antes que de inteligencia. Se defiende la lógica con fuentes, marcas de tiempo y un registro de quién vio qué.

También saben lo que quieren. Según el resumen de SecurityBrief, el 91 por ciento consideró crítica la citación de fuentes antes de actuar sobre una salida de IA, y el 88 por ciento quería una trazabilidad de auditoría completa. Fíjate quién lo pide. No es un regulador. Son las personas que hacen el trabajo quienes solicitan una infraestructura que un simple correo de recordatorio no puede proporcionar.

¿Dónde quieren al humano? El 43 por ciento dijo que la IA combinada con asesoría humana experta ayudaría más a su equipo en los próximos 12 meses, y el mismo resumen reporta un 39 por ciento para solo IA y un 4 por ciento para solo asesoría humana. El modelo de humano en el circuito ha ganado el argumento. Lo que nadie ha resuelto es cómo demostrar que el circuito se cerró.

Aquí está el juego completo. La variable es la evidencia, no la intención. Las intenciones no sobreviven a una solicitud de registros de un examinador. Los registros sí.

La IA en la sombra convierte una brecha de hábito en una brecha de evidencia

La verificación asume que el uso de IA es visible, y mucho no lo es. La página de Enhesa indica que el 64 por ciento de los encuestados ha introducido material sensible en herramientas de IA personales o no corporativas, y describe esas herramientas como carentes de registros y trazabilidad de auditoría.

Un equipo de cumplimiento puede tener el mejor hábito de revisión de su sector, y si el trabajo ocurrió en una herramienta que no guarda nada, la auditoría no tiene nada que revisar. La pregunta de verificación se vuelve imposible de responder. La respuesta no es mala. Simplemente no existe registro para responder.

Las consecuencias, según SecurityBrief, son desproporcionadas. De los equipos que introdujeron material sensible en esas herramientas, el 82 por ciento reportó un resultado negativo, frente al 9 por ciento de los equipos que no introdujeron nada. Ochenta y dos contra nueve. Es otra asociación en una encuesta autodeclarada, y los equipos que evitan herramientas personales pueden diferir en otros aspectos, pero una brecha tan grande merece atención antes de la próxima auditoría.

Los agentes aumentan el riesgo

La IA agente agrava el sistema de honor, no lo mejora. Según el resumen de SecurityBrief, el 37 por ciento de los equipos usa IA totalmente autónoma o agente en al menos una tarea, y el 71 por ciento de ellos reportó un resultado negativo, frente al 47 por ciento del resto de los equipos.

Se aplican los mismos matices, así que toma los números con cautela. La tendencia sigue siendo la misma. Un agente actúa sin esperar a que una persona lo revise, lo que hace que el límite de entrada y el registro sean aún más importantes. Nada de eso cambia el principio. Un agente que accede a datos regulados se rige igual que una persona, bajo la misma política y registrado en el mismo log.

El patrón aparece desde otro ángulo en la encuesta de Dynatrace a 919 líderes directamente involucrados en la construcción de IA agente en empresas con ingresos de 100 millones de dólares o más, realizada en noviembre y diciembre de 2025. De las medidas de validación que usan esos líderes, el 47 por ciento mencionó la revisión humana de salidas. Solo el 27 por ciento mencionó el registro de logs y trazas. La muestra está sesgada hacia líderes de ingeniería y operaciones, no de seguridad, así que tómalo como una visión desde los constructores.

Los humanos revisan. Nada registra que lo hicieron. Una revisión no registrada es una revisión que no puedes mostrar a nadie, y eso es el sistema de honor otra vez, ahora con agentes involucrados.

Los reguladores regulan los datos, no el modelo

Un examinador no evalúa tu modelo. Pregunta quién accedió a qué datos, bajo qué autoridad, con qué controles y si puedes demostrarlo. Eso aplica cuando una persona abre un registro y cuando un asistente de IA lo abre en su nombre. Es el marco que comparten el CISO y el Chief Compliance Officer: producir evidencia defendible en el calendario del regulador, no en el del equipo de proyecto.

La mayoría de los líderes no espera pasar esa prueba. La Encuesta de Impacto de IA 2026 de Grant Thornton a 950 líderes empresariales sénior, realizada en febrero y marzo de 2026, encontró que el 78 por ciento no tiene plena confianza en poder superar una auditoría independiente de gobernanza de IA en 90 días. Grant Thornton vende servicios de asesoría en IA, y la encuesta mide confianza, no resultados de auditoría. La confianza sigue siendo lo que un líder lleva a una reunión con el regulador.

Nuestros propios datos apuntan en la misma dirección. En el Informe Anual de Seguridad y Cumplimiento de Datos de Kiteworks 2026, una encuesta autodeclarada de 459 encuestados realizada en el segundo trimestre de 2026, solo el 17 por ciento dijo que podría producir un registro completo de auditoría de IA en una hora desde los paneles existentes, y el 72 por ciento dijo que no podía rastrear las salidas de IA hasta los datos fuente que las generaron.

Lee las dos encuestas en paralelo y la imagen es incómoda. Los líderes carecen de confianza en una auditoría, y la mayoría de los encuestados en nuestra encuesta no podría rastrear una salida hasta su fuente, que es justo lo que los profesionales de Enhesa dicen que necesitan antes de actuar. Verificación sin trazabilidad es una conversación. Verificación con trazabilidad es evidencia. El trabajo de gobernanza de datos de IA que cierra esa brecha empieza por los datos, no por el modelo.

El primer control es la aplicación de políticas sobre lo que la IA puede leer

La verificación comienza antes de que exista la salida. Si un cliente de IA puede leer todo lo que el usuario autenticado puede alcanzar, más lo que expone el conector, el revisor está comprobando una respuesta construida desde un conjunto de fuentes sin límites. Restringe las entradas y la revisión se vuelve manejable. Este es el primer control, y en Kiteworks consideramos que debe estar en la capa de datos y no en el prompt, porque los prompts y los filtros de seguridad pueden ser eludidos y la aplicación en la capa de datos no.

El Kiteworks Secure MCP Server conecta clientes de IA como Claude y Copilot con contenido en Kiteworks a través del Model Context Protocol, y evalúa cada solicitud según políticas basadas en roles y atributos. Un cliente de IA solo recibe los datos que la política considera apropiados, y la IA hereda los permisos del usuario autenticado en vez de superarlos. Las políticas se evalúan en tiempo real en cada solicitud de IA, así que un cambio en el estado de un usuario o la clasificación de un archivo se aplica en la siguiente solicitud, no en la próxima revisión trimestral.

Las credenciales reciben el mismo tratamiento. Los tokens OAuth se almacenan en el almacén seguro de credenciales del sistema operativo y nunca se colocan en el contexto del modelo, lo que limita lo que un ataque de inyección de prompt puede robar. Los límites de velocidad configurables restringen cuánto puede extraer un cliente de IA en un periodo dado. Ningún cliente obtiene acceso implícito solo por conectarse, lo que es intercambio de datos de confianza cero aplicado a la IA.

Kiteworks Compliant AI aplica la misma idea al acceso de agentes en la capa de datos, independientemente del modelo, el prompt o el framework del agente. Cada interacción pasa por cuatro puntos de control. La identidad del agente se verifica mediante OAuth 2.0 y se vincula al humano que delegó el flujo de trabajo. El acceso se evalúa en tiempo real según la política basada en atributos. Los datos se cifran en tránsito y en reposo con criptografía validada FIPS 140-3. Y la interacción queda registrada en una trazabilidad de auditoría a prueba de manipulaciones, transmitida a un SIEM en tiempo real.

Nada de esto trata a un agente como un caso especial fuera de las reglas. El Control Plane de Kiteworks gobierna el acceso, uso e intercambio de datos para personas y agentes bajo un solo motor de políticas de datos y un solo registro, por lo que una pregunta sobre agentes y una pregunta sobre humanos pueden responderse desde el mismo registro.

Esto también cambia el significado de citación de fuentes. Cuando una herramienta cita un documento, el revisor puede confirmar que el documento era uno que la política permitió leer a la IA. Citar una fuente sin un límite te dice de dónde vino la respuesta. Citarla dentro de un límite te dice que la fuente estaba permitida.

El segundo control es un único registro de auditoría para personas y agentes

La política decide qué podía leer la IA. El registro demuestra lo que hizo. Sin el segundo control, el primero es solo una promesa.

Cada operación de IA a través de Secure MCP Server genera una entrada de auditoría, incluyendo cargas, descargas, creación de carpetas e intentos de acceso, con la acción atribuida al usuario autenticado que la autorizó. Las entradas llevan marcas de tiempo, direcciones IP y metadatos de la operación, que es lo que necesita una reconstrucción forense.

El registro es un solo flujo, no un montón disperso. Kiteworks normaliza y agrega los datos de auditoría de toda la plataforma en un solo flujo, lo envía a un SIEM en tiempo real mediante syslog o Splunk Universal Forwarder, y no pierde entradas cuando hay mucho tráfico. Para un Chief Compliance Officer eso significa que una interacción de IA y un uso compartido de archivos por un humano están en el mismo registro, con el mismo formato, y pueden consultarse juntos. Qué agente accedió a este archivo, para quién y cuándo deja de ser un ejercicio de correlación entre sistemas y se convierte en una consulta al registro de auditoría.

La evidencia es el producto aquí. Una cadena de custodia para un documento que informó una decisión de cumplimiento muestra quién autorizó el acceso, qué cliente de IA lo realizó y cuándo. Kiteworks Compliant AI añade informes de cumplimiento de IA dedicados y exportación de los registros de auditoría unificados para auditorías y respuesta a incidentes, lo que ayuda a un equipo de cumplimiento a mostrar a un examinador lo que ocurrió sin tener que armarlo manualmente.

Luego cierra el ciclo en el lado humano. El registro no documenta la aprobación del revisor a menos que esa revisión ocurra dentro de Kiteworks, así que vincula las aprobaciones de tus revisores al registro de auditoría por marca de tiempo o referencia en la herramienta de flujo de trabajo que ya usen. El objetivo es una cadena que puedas recorrer de principio a fin, desde la fuente permitida hasta la lectura de la IA y la decisión humana.

Por qué un registro separado para cada herramienta de IA no es suficiente

Algunos lectores dirán que sus proveedores de IA ya registran. Es cierto, y ese registro normalmente responde a una pregunta limitada: qué ocurrió dentro de ese producto. La pregunta de un examinador abarca varios sistemas. ¿Qué leyó la IA, de qué repositorio, para qué usuario y qué ocurrió después con la salida?

Si cada herramienta de IA mantiene su propio registro, en su propio formato y con su propia política de retención, responder esa pregunta implica correlacionar registros que nunca fueron diseñados para unirse. El enfoque de Kiteworks es canalizar el acceso de IA a contenido sensible por una sola ruta gobernada con un solo registro, así que la unión ya está hecha para todo lo que pasa por ahí. Eso no hace irrelevantes los registros de otras herramientas. Significa que el registro de tu contenido más sensible no está disperso en cinco productos.

Lo que Kiteworks no verifica

La precisión es clave aquí, porque exagerar también es un riesgo de cumplimiento. Kiteworks gobierna cómo la IA accede a los datos, no cómo se comporta el modelo. No te dice si el resumen regulatorio que genera un modelo es correcto. Una persona cualificada debe seguir leyendo la salida y juzgándola, que es el modelo de asesoría experta que prefiere el 43 por ciento de los encuestados de Enhesa.

Lo que cambia la plataforma es la calidad de esa revisión. El revisor trabaja con un conjunto limitado de fuentes permitidas en lugar de un campo abierto. Las operaciones que la IA realiza sobre contenido gobernado quedan registradas. Y cuando un cliente de IA escribe un archivo o formulario de vuelta en una carpeta gobernada de Kiteworks, esa operación está controlada por políticas y registrada como cualquier otra.

El trabajo del revisor se vuelve más acotado y el registro más sólido. Ninguno reemplaza al otro. Cualquier proveedor que te diga que solo con software se cierra la brecha de verificación te está vendiendo el mismo sistema de honor con una interfaz mejorada.

Qué hacer el lunes por la mañana

Deja de debatir si las personas deberían verificar la salida de la IA. Empieza a auditar si podrías demostrar que lo hicieron.

Haz un simulacro. Elige una decisión reciente de cumplimiento asistida por IA y pide al equipo el registro de qué leyó la IA, quién autorizó el acceso y quién revisó el resultado. Cronométralo. Si tarda más de un día, has encontrado la brecha de evidencia sin tener que pagar a nadie para descubrirla.

Haz un inventario de las herramientas de IA personales y no corporativas que se usan para el trabajo de cumplimiento. El 64 por ciento de Enhesa indica que encontrarás algunas. Sustitúyelas por una ruta autorizada que aplique políticas y registre cada operación, porque solo prohibirlas hará que el trabajo vuelva a la sombra.

Lleva la aplicación de políticas a los datos. Decide a qué repositorios puede acceder un cliente de IA, bajo qué roles y atributos, y haz cumplir eso donde viven los datos. Aplica la minimización de datos a la IA igual que lo harías con un proveedor, es decir, solo los datos mínimos necesarios para cumplir la tarea.

Define por escrito qué significa verificado. Nombra quién verifica, contra qué fuente, con qué estándar y dónde se registra el resultado. Haz que verificado sea un campo en el registro, no una sensación en la sala.

Envía el registro de acceso de IA al SIEM y al calendario de retención que ya usas, para que la evidencia de IA no quede en un silo que nadie revisa hasta que llega una auditoría. Luego informa al consejo directivo de la brecha en términos claros: una asociación de multas medible, un proceso de verificación que aún no puedes demostrar y la fecha en la que podrás producir evidencia de IA en una hora.

Para saber más sobre cómo producir evidencia lista para auditoría del acceso de IA a datos regulados, solicita una demo personalizada hoy.

Preguntas frecuentes

En una encuesta, sí. En la encuesta de Enhesa a 273 líderes sénior en grandes organizaciones, el 37 por ciento de los equipos que actuaron según recomendaciones de IA sin verificarlas reportaron una multa regulatoria, frente al 13 por ciento del resto. El hallazgo es una asociación en una encuesta autodeclarada y encargada por un proveedor, y el resumen público no define verificación ni da tamaños de multas, así que tómalo como una señal fuerte y no como un efecto medido. La lección práctica es hacer que la verificación sea algo demostrable, porque una investigación pide registros y no intenciones. Empieza con una sólida gobernanza de datos de IA y una trazabilidad de auditoría que cubra el acceso de IA.

Construye el registro en torno a las preguntas que hace un examinador sobre cualquier acceso a datos. Quién lo autorizó, a qué datos pudo acceder la IA, qué leyó, qué produjo y qué persona revisó el resultado antes de actuar. Los encuestados de Enhesa apuntan en la misma dirección: el 91 por ciento considera crítica la citación de fuentes y el 88 por ciento quiere una trazabilidad de auditoría completa. Kiteworks registra las operaciones que realiza un cliente de IA sobre contenido gobernado, atribuidas al usuario que las autoriza, y tu flujo de trabajo debe registrar la revisión humana y vincularla a esa entrada. Una cadena de custodia clara es la columna vertebral, y los registros de auditoría aportan la parte técnica.

Haz cumplir la política en la capa de datos en vez de confiar en el prompt. Kiteworks Secure MCP Server evalúa cada solicitud de un cliente de IA según controles de acceso basados en roles y atributos, y la IA hereda los permisos del usuario autenticado sin superarlos. Las credenciales permanecen en el almacén seguro del sistema operativo y nunca entran en el contexto del modelo, y los límites de velocidad configurables restringen cuánto puede extraer un cliente. Revisa primero el Secure MCP Server y el modelo ABAC, luego decide a qué repositorios puede acceder un cliente de IA.

Puedes demostrar las operaciones que realizó un cliente de IA sobre contenido gobernado, pero no puedes demostrar que el contenido generado por el modelo es correcto. Con Kiteworks, las cargas, descargas, creación de carpetas e intentos de acceso por parte de un cliente de IA se registran con marcas de tiempo, direcciones IP y metadatos de la operación, atribuidos al usuario que los autorizó, y se envían a un SIEM en tiempo real. Cuando la IA escribe un archivo o formulario en una carpeta gobernada, esa escritura se registra y controla por política. Una persona debe juzgar el contenido. Kiteworks Compliant AI añade una trazabilidad a prueba de manipulaciones y reportes de cumplimiento de IA sobre esas operaciones.

Haz un inventario de las herramientas y luego ofrece a las personas una alternativa gobernada antes de endurecer la prohibición. Enhesa encontró que el 64 por ciento de los encuestados introdujo material sensible en herramientas de IA personales o no corporativas, y una prohibición sin reemplazo suele hacer que ese trabajo pase desapercibido. Canaliza el acceso de IA a contenido sensible por una ruta que aplique políticas y registre cada operación, y clasifica los datos para que la política tenga sobre qué actuar. La guía sobre protección de datos de IA es un buen punto de partida.

Recursos adicionales

  • Artículo del Blog
    Estrategias de confianza cero 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.

Comienza ahora.

Es fácil comenzar a asegurar el cumplimiento normativo y gestionar eficazmente los riesgos con Kiteworks. Únete a las miles de organizaciones que confían en cómo intercambian datos confidenciales entre personas, máquinas y sistemas. Empieza hoy mismo.

Compartir
Twittear
Compartir
Explore Kiteworks