Apertura:
En 2024, el 78% de las organizaciones del mundo declaraba usar inteligencia artificial en al menos una función de negocio. En 2025, la cifra saltó al 88%, y la inversión privada en Estados Unidos alcanzó los 285.900 millones de dólares. El salto de adopción es el más rápido registrado en cualquier tecnología corporativa de las últimas tres décadas. El salto equivalente en gobernanza no ocurrió.
Ese desajuste no es una observación de opinión: se mide por la distancia entre dos indicadores que deberían crecer juntos y no lo hacen. McKinsey reportó en 2025 que menos del 25% de las organizaciones ha embebido la inteligencia artificial en sus flujos de trabajo principales, y apenas el 6% logra un impacto significativo a escala corporativa. La adopción avanza por inercia del mercado; la gobernanza avanza por decisión institucional, y la segunda va muy por detrás de la primera.
Diagnóstico con evidencia:
La fractura se observa con mayor nitidez en el lugar donde el dato deja de estar quieto. El Cost of a Data Breach 2025 de IBM, construido sobre 602 organizaciones en dieciséis países entre marzo de 2024 y febrero de 2025, documentó que el costo promedio global de una brecha se ubicó en 4,44 millones de dólares, y que las brechas vinculadas a shadow AI —el uso no autorizado de herramientas de inteligencia artificial por parte de empleados— añadieron 670.000 dólares al costo promedio de cada incidente. El mismo informe observó que el 63% de las organizaciones carece de un marco formal de gobernanza para sus despliegues de IA. Un indicador de magnitud y uno de prevalencia, provenientes de la misma cohorte, describen el mismo fenómeno desde ángulos complementarios.
El uso que escapa a los controles no es marginal. El Data Breach Investigations Report 2025 de Verizon, elaborado sobre más de 22.000 incidentes, registró que el 15% de los empleados accede rutinariamente a herramientas de IA generativa desde dispositivos corporativos, y que el 72% de esos accesos ocurre a través de cuentas personales que la organización no gobierna. La telemetría de red captura lo que las políticas internas no pueden ver: el dato sensible circula en prompts, se replica en contextos recuperados y queda registrado en infraestructuras del proveedor.
La naturaleza del riesgo también cambió. OWASP situó la inyección de prompts en la primera posición de su Top 10 para aplicaciones LLM en 2025, por segunda edición consecutiva, porque el modelo procesa instrucciones y datos en el mismo canal y no distingue entre ambos. Un estudio independiente reportó en 2025 un aumento del 540% en reportes válidos de inyección de prompts respecto al año anterior, convirtiéndola en el vector de ataque de más rápido crecimiento contra sistemas de IA. La Encuesta Global de Ciberseguridad 2025 del Foro Económico Mundial, que consulta a líderes de seguridad en múltiples sectores, identifica la convivencia entre adopción acelerada y ausencia de controles específicos como una de las principales fuentes de riesgo sistémico.
La Cloud Security Alliance documenta esta brecha en su AI Controls Matrix. Los controles DSP-01 a DSP-24 cubren con solvencia el ciclo de vida tradicional del dato —clasificación, cifrado, retención, acceso—, pero dejan sin cobertura cuatro riesgos propios de entornos conversacionales: la inyección de prompts que altera el comportamiento del modelo, la inversión que reconstruye datos de entrenamiento a partir de las respuestas, el aprendizaje federado sin gobierno de confianza entre participantes, y el uso no autorizado de herramientas externas que bypasa los controles internos. Para cerrarlos, el marco propone cuatro controles nuevos —DSP-25 a DSP-28— diseñados específicamente para el ciclo de vida conversacional.
Traducción regional:
América Latina enfrenta este desajuste con una asimetría estructural: la mayoría de sus instituciones públicas no entrena modelos ni opera infraestructura propia, sino que consume servicios de proveedores globales con menos capacidad de inspección y la misma responsabilidad legal. El Reporte de Ciberseguridad 2025 del BID, la OEA y Oxford sobre treinta países documenta que la madurez mejoró en la década, pero persisten brechas profundas de ejecución.
La respuesta, en cambio, ya no es uniforme, y ahora puede medirse. El Índice Latinoamericano de Inteligencia Artificial 2025 de la CEPAL, que evalúa a diecinueve países con más de cien subindicadores, sitúa a Chile, Brasil y Uruguay en el grupo pionero por encima de los 60 puntos, y a Perú en el séptimo lugar con 51,9. Detrás de los puntajes hay caminos distintos: Perú construyó en tres años un ecosistema de tres capas —Ley 31814, su reglamento por D.S. 115-2025-PCM y la Estrategia 2026-2030 aprobada por R.M. 152-2026-PCM, que crea un Oficial de Inteligencia Artificial en cada entidad—; el Senado de Brasil aprobó su marco regulatorio a fines de 2024 y hoy lo debate la Cámara de Diputados; Uruguay aprobó su Estrategia 2024-2030 con eje de gobernanza liderado por AGESIC y un observatorio de IA en el Estado; Colombia incorporó lineamientos de IA a su modelo de seguridad vía CONPES 4144 mientras el Congreso tramita el Proyecto 043 de 2025; Chile actualizó su política nacional por decreto y discute una ley marco; México regula por sectores mientras su ley general —una de más de cincuenta iniciativas— espera turno; y la Provincia de Buenos Aires, en Argentina, se convirtió en la primera jurisdicción subnacional en regular la IA en toda su administración pública. Centroamérica y el Caribe se sumaron: Costa Rica aprobó la primera Estrategia Nacional de la región istmeña (2024-2027), República Dominicana lanzó la suya en 2024 y Panamá presentó su Agenda de Tecnologías Avanzadas.
Ese mosaico toca los pilares de Seguridad, Democracia y Desarrollo y muestra algo decisivo: ningún país esperó la ley perfecta para empezar a actuar. El costo de retrasarse ya se mide: el costo promedio de una brecha en la región subió 85% en un año, a 4,65 millones de dólares según IBM.
Alternativas de solución:
La primera opción está al alcance de cualquier organización pública, incluso sin equipo de seguridad dedicado ni presupuesto incremental. Consiste en inventariar los tratamientos de datos que hoy se introducen en herramientas de inteligencia artificial, clasificarlos en los cuatro niveles habituales —público, interno, confidencial y restringido—, y aplicar el criterio de priorización que publicó el Ministerio de Tecnologías de Colombia: los sistemas que interactúan directamente con personas, procesan datos sensibles o influyen en decisiones relevantes exigen mayor prioridad; los circunscritos a procesos técnicos con datos no sensibles pueden comenzar con menos. El documento es público y gratuito. Sobre esa base, se activa el control DSP-28 propuesto por la Cloud Security Alliance, que consiste en detectar el uso no autorizado de herramientas externas mediante monitoreo de red y filtrado basado en clasificación. El horizonte realista es de seis a diez semanas y la decisión corresponde a la dirección técnica. Esta alternativa resuelve la visibilidad y el triaje inicial, pero no resuelve los riesgos conversacionales de inyección de prompts ni de inversión de modelo, y tiene un límite que conviene declarar: las prácticas de descubrimiento y etiquetado de datos no estructurados todavía están en refinamiento, según reconoce el propio NIST, por lo que la clasificación automatizada de correos, documentos y transcripciones no es una técnica madura.
La segunda alternativa requiere equipo técnico propio y decisión de alta dirección. Consiste en desplazar la prohibición por la provisión: habilitar herramientas aprobadas con controles de datos, añadir prevención de pérdida de datos sensible al contexto sobre ellas y activar detección de uso no autorizado. Aquí se aplica el control DSP-25 de la Cloud Security Alliance, que implementa validación de entrada, aislamiento de contexto y filtrado de salida para prevenir inyecciones directas e indirectas de prompts. La evidencia de eficacia disponible proviene de implementaciones específicas del sector financiero documentadas por la Financial Industry Regulatory Authority, que muestran reducción de incidentes cuando se combina provisión con controles de salida, aunque no se dispone de un promedio sectorial consolidado ni de un grupo de control formal. El horizonte es un trimestre y decide la alta dirección, porque implica política institucional además de herramienta. Esta alternativa no resuelve la inversión del modelo de responsabilidad con el proveedor, ni los riesgos heredados de la cadena de suministro del modelo, y depende de la capacidad del equipo técnico para mantener los controles actualizados frente a nuevas técnicas de inyección, que evolucionan con rapidez.
La tercera alternativa es para ministerios, reguladores o esquemas de cooperación regional. Técnicamente consiste en interponer una pasarela de tokenización online entre los usuarios y los modelos, sustituyendo los datos sensibles antes de que entren en la conversación y restaurándolos solo bajo autorización explícita con registro inmutable. Este patrón corresponde al control DSP-26 de la Cloud Security Alliance y al uso de Privacy Enhancing Technologies que describe el marco, y se alinea con ISO/IEC 42001, el primer estándar internacional formal para sistemas de gestión de inteligencia artificial, publicado en diciembre de 2023. Institucionalmente consiste en replicar lo que hizo Colombia: incorporar lineamientos de inteligencia artificial a un modelo de seguridad preexistente por acto administrativo, sin esperar una ley específica. El horizonte es un ciclo presupuestario y decide la autoridad normativa. Conviene saber que la adopción de ISO/IEC 42001 todavía está limitada por la escasez de auditores certificados, lo que condiciona la velocidad de implementación en el sector público. El costo de una pasarela de tokenización a escala ministerial depende del volumen de tráfico y de la cantidad de proveedores integrados, y no se dispone de un benchmark público regional; un ministerio mediano debe presupuestar entre 150.000 y 400.000 dólares el primer año considerando infraestructura, licencias y operación. Esta alternativa no resuelve la inferencia de atributos sensibles desde el contexto, y requiere un equipo dedicado de al menos tres personas con competencias en criptografía, gobernanza de datos y operación de APIs.
Cierre:
Ninguno de los tres caminos exige esperar una ley de inteligencia artificial. El primero cuesta prácticamente nada y puede completarse antes de fin de año. La pregunta que se propone al debate regional no es cuándo tendrá América Latina su propia matriz de controles para la era conversacional, sino si sus instituciones van a seguir midiendo la madurez por la adopción cuando la evidencia disponible indica que la adopción sin controles específicos es lo que está encareciendo las brechas y erosionando la rendición de cuentas.
