Cómo se regula la IA: los tres modelos en disputa

Detrás del ruido de las declaraciones y las cumbres, la regulación de la inteligencia artificial se está ordenando en torno a tres enfoques bastante distintos. Ninguno es todavía un resultado consolidado, y para cualquier empresa que opere en más de un mercado, la diferencia es operativa: cambia qué documentación hay que producir y qué usos quedan prohibidos.

Modelo 1: horizontal y por nivel de riesgo

El caso emblemático es el reglamento europeo. La lógica es clasificar los usos —no las tecnologías— en niveles de riesgo, y asignar obligaciones crecientes a cada nivel: usos prohibidos, usos de alto riesgo con requisitos estrictos de documentación y supervisión humana, usos de riesgo limitado con deberes de transparencia, y el resto esencialmente libre.

Su virtud es la previsibilidad: una empresa puede leer la norma y saber en qué categoría cae. Su costo es la carga de cumplimiento, que recae con más peso relativo sobre organizaciones pequeñas, y la rigidez frente a capacidades que no existían cuando se redactó el texto.

Modelo 2: sectorial

Es el enfoque que predomina donde no hay una ley general de IA: en lugar de una norma nueva, se aplica y se adapta la regulación existente de cada sector. El regulador financiero fija reglas para modelos de crédito; la autoridad sanitaria, para dispositivos y diagnóstico; la de consumo, para publicidad y trato al cliente.

La ventaja es que aprovecha reguladores que ya entienden su dominio y no exige definir "inteligencia artificial" en un texto legal, cosa que ha resultado notoriamente difícil. La desventaja es la fragmentación: obligaciones dispares, vacíos entre sectores y poca claridad para usos que cruzan varios.

Modelo 3: marcos voluntarios y estándares

Guías técnicas, marcos de gestión de riesgo y compromisos de la industria, sin obligatoriedad general. Funcionan como lenguaje común para auditorías y contratos, y suelen anticipar el contenido de la regulación posterior: lo que hoy es una recomendación técnica tiende a aparecer mañana como requisito en una licitación pública o en un contrato con una empresa grande.

Es el enfoque más flexible y el que menos garantías ofrece a quien resulta afectado por un sistema que falla.

Por qué importa aunque operes solo en Chile

Tres razones concretas.

El efecto extraterritorial. Las normas horizontales suelen aplicarse por destino: si un sistema afecta a personas en esa jurisdicción, hay obligaciones, sin importar dónde esté la empresa. Un servicio chileno con usuarios europeos entra en el alcance.

El arrastre contractual. Antes de que exista una ley local, los requisitos llegan por la vía privada: cláusulas de proveedores, exigencias de clientes corporativos, bases de licitaciones públicas. En la práctica, muchas empresas cumplen estándares extranjeros porque su cliente principal se los pide.

La convergencia del contenido mínimo. Más allá del modelo elegido, casi todos los enfoques terminan exigiendo lo mismo: saber qué sistemas de IA usas y para qué, documentar de dónde salen los datos, poder explicar una decisión que afecta a una persona, y tener a un humano responsable de las decisiones consecuentes.

Qué conviene hacer ya, sin esperar la norma

Un inventario de los sistemas de IA en uso, con su propósito y sus datos de entrada. Un registro de decisiones automatizadas que afecten a personas. Una vía para que alguien reclame y obtenga revisión humana. Y proveedores que puedan documentar lo que hacen con tus datos.

Ninguna de esas cuatro cosas es específica de un modelo regulatorio, y las cuatro toman meses. Empezarlas cuando la norma ya está vigente es, en general, tarde.