La inteligencia artificial (IA) se ha convertido en un pilar crítico de la estrategia del negocio contribuyendo a aumentar productividad, mejorar decisiones, optimizar procesos y acelerar innovación.

Las preguntas que hoy enfrentan gerentes y directorios son transversales para definir y gobernar la IA y las aplicaciones y agentes que la integran. El desafío es definir principios de IA responsable y convertirlos en un modelo operativo, en una organización y una cultura que se sostengan en el tiempo: es decir personas, procesos, tecnología y formas de trabajo.

Una buena gobernanza de IA debe permitir tomar mejores decisiones en ámbitos interrelacionados: estrategia y valor; portafolio de casos, modelos y agentes; datos y tecnología; riesgo, seguridad y privacidad; testing y monitoreo; supervisión humana; cumplimiento y auditoría. La primera señal de madurez es saber por qué nuestra IA, dónde se usa, quién es su dueño y de qué sistemas y datos depende. Esto implica cinco definiciones críticas.

La primera es quién decide qué y quién responde por. El CEO y el directorio fijan visión, inversión y apetito por el riesgo. El CIO asegura adopción, integración y gobierno de datos; el CTO, arquitectura y decisiones de build versus buy; y el CISO, seguridad, accesos e incidentes. La clave está en resolver el responsable en las zonas de superposición entre ámbitos de decisión.

La segunda determinar el control de cada caso. No todas las aplicaciones representan el mismo riesgo. Un agente que redacta un documento interno no debería pasar por el mismo proceso que uno capaz de emitir una orden de compra o modificar precios. La intensidad del control debe variar según materialidad financiera, sensibilidad de datos, impacto, exposición regulatoria y autonomía.

La tercera decidir qué autonomía delegar y qué debe permanecer bajo supervisión humana. Un sistema puede observar, recomendar, preparar una acción para aprobación o ejecutar dentro de límites definidos. A mayor autonomía, mayor control de identidad, acceso, validación, escalamiento y trazabilidad. El punto no es mantener siempre a una persona “en el loop”, sino definir cuándo debe revisar, intervenir y responder.

La cuarta es gobernar el ciclo de vida, no solo el inicio. Antes de producción deben existir validación del caso, preparación de datos, arquitectura segura y pruebas. Después, el gobierno continúa con monitoreo, incidentes, reevaluación y evidencia auditable.

La quinta es mirar el portafolio y valor, no la suma de experimentos. La organización debe decidir qué iniciativas financiar, cuáles escalar, mejorar o detener. El valor aparece cuando una mejora se traduce en crecimiento, margen, costos, capital o riesgo evitado. Por eso CEO, CIO y CFO deben acordar quién mide adopción, quién valida valor realizado y qué evidencia justifica seguir invirtiendo.

Cuando la adopción escala, el gobierno se debe adaptar. No es viable gobernar cien casos solo con reuniones y revisiones manuales. Se deben incorporar controles en la arquitectura y operación misma: privilegios mínimos, modelos autorizados, protección de datos, límites transaccionales, logs, monitoreo y respuesta a incidentes.

En síntesis, el modelo de gobierno de IA debe responder cinco preguntas: qué IA; quién decide y quién responde; qué nivel de riesgo y autonomía aceptamos; cómo se prueba y monitorea cada sistema; y cómo aseguramos que crea valor. Si esas respuestas dependen de correos o convocar comités para descubrir responsables, todavía no existe un buen sistema de gobierno.

La ventaja competitiva no estará en acceder a los mejores modelos cada vez más disponibles, sino en gobernarlos mejor con la organización y talento apropiados al momento. Las organizaciones que traduzcan principios en derechos de decisión, controles operativos y responsabilidades claras podrán acelerar con más confianza. Las que no lo hagan correrán el riesgo de tener mucha política, pero poco gobierno y valor.

*Los autores de la columna son socios de Monitor Deloitte