Gobierno de IA· 20 de noviembre de 2026

Inventario de Sistemas de IA: el requisito olvidado del AI Act

Menos de la mitad de los bancos tiene un inventario sistemas IA centralizado. Explicamos por qué el AI Act exige a cualquier desplegador cartografiar sus agentes y modelos antes de que llegue la sanción.

Inventario de Sistemas de IA: el requisito olvidado del AI Act

Menos de la mitad de los bancos del mundo tiene un inventario centralizado de sus sistemas de inteligencia artificial. No es una pyme desorganizada. Es la banca, el sector más regulado y con más presupuesto de cumplimiento del planeta, según el análisis de BCG sobre banca y gobernanza de IA de octubre de 2026. Si las entidades con departamentos enteros dedicados a gobernanza algorítmica no saben exactamente qué modelos corren en su infraestructura, ¿qué posibilidades tiene tu empresa de saberlo sin un proceso deliberado?

El AI Act se ha vendido como una ley para frenar a OpenAI, Google o Anthropic. Es un error de lectura caro. El reglamento europeo pone el peso real del cumplimiento sobre el "desplegador" (deployer): la empresa que usa un sistema de IA de un tercero para tomar decisiones sobre clientes, empleados o proveedores. Esa eres tú si usas un CRM con scoring predictivo, un ATS que puntúa currículums o un asistente que resuelve reclamaciones de clientes de forma autónoma.

El requisito olvidado no aparece en un artículo con ese nombre exacto. Está disuelto en las exigencias de diligencia, clasificación de riesgo y supervisión del Anexo III. Pero sin inventario, ninguna de esas obligaciones es ejecutable. No puedes clasificar el riesgo de un sistema que no sabes que existe. No puedes auditar un agente que nadie registró. Y no puedes defenderte ante la AESIA con una hoja de cálculo que nadie actualiza desde marzo.

El mito de la IA de los gigantes y la realidad del desplegador

La narrativa dominante en consejos de administración españoles es tranquilizadora: "el AI Act es cosa de los que construyen los modelos, nosotros solo los usamos". Esa frase ha costado ya sanciones y va a costar más a medida que se acerquen los plazos de 2026 y 2027.

El artículo 25 del AI Act contempla un mecanismo que pocas empresas han entendido: el rol legal puede mutar sin que nadie firme nada. Si adquieres un software de un proveedor como "responsable del despliegue" y luego lo modificas sustancialmente, le añades tu marca o cambias su finalidad hacia un caso de alto riesgo, pasas a asumir las responsabilidades de "proveedor". Esto significa documentación técnica completa, evaluación de conformidad y una carga legal que multiplica por varios órdenes de magnitud la que tenías como simple usuario.

Una empresa mediana que coge un LLM de terceros y lo afina con datos propios de clientes para automatizar decisiones de crédito o de contratación no es consciente, en la mayoría de los casos, de que ha cruzado esa línea. El inventario es la única herramienta que detecta ese cruce antes de que lo detecte un inspector.

Lo que dicen los reguladores españoles

La Agencia Española de Supervisión de Inteligencia Artificial (AESIA) y el ISMS Forum Spain han sido más explícitos que el propio reglamento europeo. Sus guías técnicas exigen mantener un inventario centralizado de activos de IA, identificar vulnerabilidades, categorizar el riesgo (inaceptable, alto, limitado, mínimo) y completar fichas de registro obligatorias antes de que cualquier sistema pase a producción. No es una recomendación de buenas prácticas. Es la interpretación oficial española de cómo se ejecuta el reglamento sobre el terreno.

El paralelismo más útil para un directivo que ya conoce el RGPD es directo: el inventario de IA es al AI Act lo que el Registro de Actividades de Tratamiento (artículo 30 RGPD) es a la protección de datos. Sin ese registro, es imposible saber si un tratamiento requiere evaluación de impacto. Sin inventario de IA, es imposible saber si un sistema requiere una Evaluación de Impacto sobre Derechos Fundamentales (FRIA) o si cae directamente en el Anexo III de alto riesgo.

Los plazos no son una amenaza lejana

El calendario regulatorio se ha convertido en la principal fuente de presión ejecutiva en los comités de riesgo. Tres fechas conviven y se solapan, y la mayoría de las empresas española las trata como si fueran una sola:

NormativaObligación concretaPlazo
DORARegistro de proveedores TIC críticos (contratos, subcontrataciones)Vigente desde enero de 2025
AI ActRégimen general de obligaciones para sistemas de alto riesgo (Anexo III)Plena exigibilidad el 2 de agosto de 2026
AI ActRequisitos adicionales de supervisión y conservación de logsConsolidación el 2 de diciembre de 2027

DORA ya está en vigor y exige un registro de información sobre acuerdos con terceros TIC. Ese registro se solapa de forma natural con el inventario de modelos y sistemas de IA: muchos de esos "terceros TIC" son, en realidad, proveedores de IA embebida. Tratarlos como registros separados duplica el trabajo y multiplica las posibilidades de que algo se quede sin documentar.

El dato que debería preocupar a cualquier consejo

Estado del inventario de IAProporción de entidadesVisual
Inventario centralizado, auditable y actualizadoMenos de la mitad████░░░░░░ <50 %
Inventario parcial, fragmentado o inexistenteMás de la mitad██████░░░░ >50 %

Leyenda: proporción aproximada de entidades bancarias con un inventario de sistemas de IA centralizado frente a las que operan con registros parciales o sin registro, según el análisis de BCG sobre adaptación de la banca a la gobernanza de IA (octubre de 2026). Si este es el estado en el sector con más recursos de cumplimiento, la cifra en el resto de la economía española es, razonablemente, peor.

Este dato no es anecdótico. Es la prueba de que el inventario de sistemas de IA no es un problema de madurez tecnológica, sino de prioridad ejecutiva. Las entidades con más presupuesto del mundo tampoco lo han resuelto porque nadie lo ha convertido en una exigencia de negocio con dueño, plazo y consecuencias.

La Deuda de Contexto: el precio de no saber qué tienes

En NextAI usamos un concepto que explica por qué este problema no se resuelve solo: la Deuda de Contexto es la brecha creciente entre la cantidad de sistemas de IA, agentes y automatizaciones que una empresa despliega y el conocimiento real que esa empresa conserva sobre cómo funcionan, qué datos usan y quién es responsable de ellos. Cada agente que se activa sin registro, cada piloto que se queda "temporalmente" en producción, cada integración de un SaaS que añade IA en una actualización silenciosa, incrementa esa deuda. Y como toda deuda, no desaparece: se acumula con intereses regulatorios y operativos hasta que explota, normalmente en forma de auditoría, incidente o sanción.

La Deuda de Contexto tiene un síntoma técnico muy reconocible: nadie en la organización puede responder con certeza a la pregunta "¿qué modelos de IA toman decisiones sobre nuestros clientes hoy?". Si la respuesta tarda más de un día o requiere convocar a cinco personas de departamentos distintos, la deuda ya es crítica.

Esta Deuda de Contexto conecta directamente con los problemas de trazabilidad y explicabilidad que ya hemos analizado en profundidad en El fin de los algoritmos de caja negra en la IA empresarial: no se puede exigir explicabilidad a un sistema que ni siquiera figura en un registro. Y también es la razón por la que la auditoría de agentes autónomos se ha convertido en una disciplina propia, como detallamos en Gobernanza TRiSM en 2026: Cómo auditar tus agentes de IA empresariales.

"No puedes gobernar lo que no has inventariado, y no puedes auditar lo que no has gobernado. El inventario no es el primer paso del cumplimiento: es la condición de posibilidad de todo lo demás."

Por qué el autoinforme no basta

La tentación habitual es lanzar una encuesta interna: "¿qué herramientas de IA usa tu equipo?". Es un método cómodo y, según señalan auditores y expertos del sector, sistemáticamente incompleto: una parte muy significativa de la llamada "Shadow AI" —funciones de inteligencia artificial embebidas en herramientas de RRHH, CRM o analítica documental que se activan en actualizaciones automáticas del proveedor— queda fuera del radar de cualquier autoinforme. Los equipos no mienten; simplemente no saben que la herramienta que usan desde hace dos años ha incorporado un modelo de lenguaje en su última versión.

Por eso el inventario serio no se construye preguntando. Se construye cruzando tres fuentes que no dependen de la memoria de nadie: los contratos de compra y facturación (procurement), los registros de acceso corporativo (SSO y proxys de red) y las fichas de alta obligatorias antes de autorizar cualquier piloto nuevo. Esta es precisamente la vía que recomiendan tanto el ISMS Forum Spain como las guías técnicas de la AESIA para el contexto español.

Cuatro perspectivas para entender el problema completo

Perspectiva técnica: el inventario como catálogo vivo, no como hoja muerta

Un inventario que se actualiza "una vez al trimestre en una reunión" ya es un inventario muerto. La arquitectura que funciona conecta el registro directamente con los sistemas donde nace cada modelo: pipelines de CI/CD, registros de modelos tipo MLflow o un Hugging Face Hub interno, y los gateways de API por donde pasa cada llamada a un LLM externo. Cada despliegue nuevo debería generar automáticamente una entrada, no depender de que alguien se acuerde de rellenarla.

En la era de los agentes esto se complica. Un superagente no es un modelo aislado: es una cadena de prompts, llamadas a herramientas externas (function calling), memoria persistente y dependencias que pueden cambiar de versión sin aviso. Si el inventario no captura la procedencia del dato, la versión exacta del modelo y el árbol de herramientas conectadas, la empresa pierde reproducibilidad: no puede explicar por qué un agente tomó una decisión concreta hace tres semanas, porque el modelo que la tomó ya no es el que está en producción hoy. Eso es Deuda de Contexto aplicada a la trazabilidad técnica.

Perspectiva económica: lo que cuesta no saber lo que tienes

El coste de no inventariar no es solo regulatorio. Es, antes que nada, un problema de gasto duplicado. Varias unidades de negocio de la misma empresa suelen comprar licencias de IA redundantes para el mismo caso de uso sin que nadie lo detecte, porque cada contrato se firma en un departamento distinto. Lo mismo ocurre con el consumo de tokens de API: sin visibilidad agregada, es imposible renegociar condiciones de inferencia con un proveedor, y es habitual mantener "pilotos zombi" que siguen facturando meses después de que el proyecto se abandonara.

El otro lado del coste es el regulatorio, y ahí las cifras dejan de ser una advertencia abstracta: las infracciones críticas del AI Act pueden alcanzar los 35 millones de euros o el 7% de la facturación global de la empresa, lo que sea mayor. Un inventario centralizado no es un gasto de cumplimiento. Es, a la vez, una palanca de ahorro operativo y un seguro frente a la sanción más cara del reglamento europeo.

Perspectiva de riesgo, seguridad y gobierno: la superficie que no se ve no se protege

Sin inventario no hay forma de saber qué sistemas caen en el Anexo III de alto riesgo —scoring crediticio, triaje de candidatos, decisiones sobre prestaciones— ni, por tanto, cuáles requieren una Evaluación de Impacto sobre Derechos Fundamentales (FRIA). Es el mismo problema que resolvió el RGPD con su Registro de Actividades de Tratamiento, trasladado a los sistemas de IA: primero se inventaria, después se evalúa el riesgo, nunca al revés.

La seguridad añade una capa más. Cada agente no inventariado es una superficie de ataque desconocida: nadie vigila sus accesos, nadie ha revisado si es vulnerable a inyección de prompts, nadie sabe qué datos sensibles puede filtrar si se compromete. Hemos detallado esta vía de ataque en El caso Anthropic: cómo proteger a tus agentes de ciberespionaje, y la contención de un agente comprometido solo es posible si antes existe capacidad de detenerlo en tiempo real, como explicamos en Kill switch para IA: cómo detener agentes autónomos en tiempo real. Ningún kill switch funciona sobre un agente que nadie sabía que existía.

Perspectiva de operación real en empresas españolas

La gran banca tiene comités de riesgo algorítmico. La pyme y la empresa mediana española, no. En la práctica, el inventario arranca casi siempre de forma reactiva: lo pide un cliente corporativo en un pliego de condiciones, o lo exige una inspección de la AESIA. Sin estructura previa, la vía más pragmática es un triaje en tres frentes: revisar la facturación y los contratos de compra (procurement) para encontrar licencias de IA que nadie recuerda haber firmado, escanear los accesos corporativos mediante SSO y proxy de red para detectar herramientas en uso real, y exigir una ficha de alta obligatoria antes de autorizar cualquier piloto nuevo.

Las metodologías no son todas iguales

No todas las empresas inventarían por el mismo camino. El mercado se reparte, a grandes rasgos, entre dos enfoques dominantes y uno residual:

Enfoque metodológicoProporción de adopciónLógica de trabajoRiesgo si se usa en solitario
Use case-led (por caso de uso)40%Se parte de los procesos de negocio y se identifica qué IA interviene en cada unoPuede no detectar modelos embebidos sin caso de uso formal
Risk-led (por categoría de riesgo)30%Se parte de las categorías del Anexo III y se busca qué sistemas encajan en ellasExige ya conocer el sistema para clasificarlo; no descubre lo desconocido
Otros enfoques (híbridos, por proveedor, ad hoc)30%Combinaciones parciales o procesos no estandarizadosMayor fragmentación y menor comparabilidad entre unidades de negocio

Fuente: distribución de enfoques metodológicos para la identificación de riesgos en inventarios corporativos de IA, según el análisis conjunto de PA Consulting y Davis Polk.

El enfoque más robusto combina los dos primeros: el caso de uso dice dónde mirar primero, la categoría de riesgo dice cuán a fondo documentar lo que se encuentra. Usar solo uno de los dos deja huecos que, tarde o temprano, aparecen en una auditoría.

Cómo construir el inventario sin que se quede en una hoja de cálculo muerta

La regla que debería regir cualquier despliegue de IA en una empresa española a partir de ahora es simple de enunciar y difícil de incumplir si se institucionaliza: "No Inventory, No Production". Ningún modelo, wrapper de LLM o agente autónomo entra en infraestructura corporativa sin un identificador único e inmutable y sin un responsable de negocio nominal, con nombre y apellidos, no un departamento genérico.

A partir de ahí, cuatro movimientos convierten el inventario en un activo vivo:

  • Auditoría sistemática de contratos SaaS y tarjetas corporativas. La mayoría de la IA de alto riesgo no se programa dentro de casa: llega incrustada en actualizaciones de herramientas de RRHH, CRM o gestión documental que la empresa ya pagaba antes de que tuvieran IA.
  • Vigilancia activa del riesgo de reclasificación del artículo 25. Cada fine-tuning profundo sobre un modelo de terceros, o cada adaptación a un nuevo fin de alto riesgo, puede convertir a la empresa de "desplegador" en "proveedor" de facto, con toda la carga documental que eso implica.
  • Unificación de registros. La ficha de inventario de IA debería alimentar también el registro de proveedores TIC de DORA y el registro de tratamiento del RGPD. Tres auditorías distintas no deberían exigir tres hojas de cálculo distintas.
  • Revisión periódica con dueño fijo, no un ejercicio puntual antes de una auditoría.

Esta cartografía no es un fin en sí mismo: es el primer tramo de lo que en NextAI llamamos la Ruta NEXT-5, un recorrido de cinco fases —cartografía, cerebro, superagentes, orquestación, gobierno— que lleva a una empresa desde no saber qué tiene hasta gobernar lo que ha construido. Sin cartografía inicial no hay cerebro empresarial fiable: un Cerebro Empresarial es la memoria corporativa centralizada, basada en RAG y grafos de conocimiento, que permite a una organización razonar sobre su propio negocio con datos propios y trazables, y esa memoria no puede nutrirse de sistemas que ni siquiera están catalogados.

El inventario es también la condición previa para medir con honestidad el IMAN (Índice de Madurez AI-Native), que evalúa a la empresa en cinco ejes —datos, memoria, razonamiento, agencia, gobierno—: no se puede puntuar el eje de gobierno sin saber cuántos sistemas de IA existen y bajo qué control operan. Y lo mismo ocurre con el RAO (Ratio de Autonomía Operativa), la métrica de cuántas ejecuciones de un proceso terminan sin intervención humana de cada cien: ese ratio solo tiene sentido si antes existe un inventario que diga, con precisión, qué procesos están automatizados y por qué sistema.

Pasos accionables para arrancar esta semana

  1. Mapea todos los contratos de software con componente de IA de los últimos 24 meses, incluidas renovaciones automáticas.
  2. Clasifica cada sistema encontrado según las categorías del Anexo III: inaceptable, alto, limitado, mínimo riesgo.
  3. Asigna un responsable de negocio nominal a cada entrada del inventario, no un departamento.
  4. Cruza el resultado con los registros de acceso (SSO, proxy de red) para detectar lo que el procurement no capturó.
  5. Exige una ficha de alta obligatoria antes de autorizar cualquier piloto nuevo, sin excepciones de "es solo una prueba".
  6. Conecta esa ficha con el registro de proveedores TIC de DORA y el registro de tratamiento del RGPD.
  7. Fija una revisión trimestral con dueño fijo, no una auditoría anual de pánico.

Qué significa para tu empresa

No todas las empresas parten del mismo punto, y el inventario no exige el mismo esfuerzo a todas:

  • Pyme con IA embebida en SaaS (RRHH, CRM, facturación). Tu prioridad no es construir un sistema propio; es saber qué IA ya tienes sin haberla pedido. Empieza por el procurement: revisa cada factura de software de los últimos dos años buscando menciones a "IA" o "scoring" en las notas de actualización.
  • Mediana empresa con pilotos internos. Probablemente tienes entre tres y diez pilotos de IA en marcha, de los cuales varios nadie recuerda por qué siguen activos. Haz una ficha de alta retroactiva de cada uno y decide, con un responsable nominal, cuáles se apagan.
  • Empresa con agentes autónomos en producción. Aquí el inventario no es suficiente sin trazabilidad de decisiones: necesitas saber qué versión de cada agente tomó cada acción y tener capacidad de intervención inmediata si algo falla.
  • Empresa regulada (financiera, seguros, salud). Tu inventario no es una buena práctica, es una obligación con fecha. Unifícalo ya con el registro DORA y prepárate para que la AESIA lo pida con poca antelación.

Como criterio general: si tardas más de un día en responder qué modelos de IA deciden sobre tus clientes hoy, tu Deuda de Contexto ya es crítica y el inventario deja de ser una tarea de cumplimiento para convertirse en una urgencia operativa.

Metodología y fuentes

El laboratorio de NextAI ha cruzado el texto regulatorio del AI Act y DORA con las guías técnicas de los organismos de supervisión españoles y con los benchmarks de metodología publicados por firmas de consultoría internacional, para distinguir lo que la ley exige literalmente de lo que exige en la práctica a través de la supervisión. Este análisis se apoya en fuentes externas verificadas: Signoria: AI agent inventory for banks, ISMS Forum Spain: Inventario de Sistemas y Servicios de IA, AESIA: Guía de Gestión de Riesgos y Documentación Técnica y Davis Polk & PA Consulting: AI Inventory Essentials.

Preguntas frecuentes

¿Qué es un inventario de sistemas de IA y por qué lo exige el AI Act?

Es el registro centralizado de todos los modelos, agentes y herramientas de IA que operan en una empresa, con su finalidad, su nivel de riesgo y un responsable asignado. El AI Act no lo nombra como artículo único, pero sin él es imposible cumplir las obligaciones de clasificación de riesgo y supervisión del Anexo III.

¿Mi empresa necesita un inventario si solo usamos herramientas de terceros (no desarrollamos IA propia)?

Sí. El AI Act exige diligencia al "desplegador", no solo al desarrollador del modelo. Si usas un CRM, un ATS o un asistente de atención al cliente con IA de un proveedor externo, eres responsable de saber qué hace ese sistema, qué riesgo representa y si has alterado su finalidad original.

¿Qué diferencia hay entre el inventario de IA y el registro de proveedores TIC de DORA?

DORA exige un registro de acuerdos contractuales con terceros tecnológicos críticos, vigente desde enero de 2025. El inventario de IA añade el detalle de qué modelos y agentes concretos operan dentro de esos contratos y con qué nivel de riesgo. Lo eficiente es unificar ambos registros en una sola ficha de auditoría.

¿Cuánto cuesta no tener un inventario de sistemas de IA?

El coste combina sanciones regulatorias, que en infracciones críticas del AI Act pueden llegar a 35 millones de euros o el 7% de la facturación global, con un coste operativo oculto: licencias duplicadas, consumo de tokens de API sin control y pilotos abandonados que siguen facturando sin aportar valor.

Qué hacer con esto

  1. Pide a cada responsable de departamento una lista de todas las herramientas con IA que usa su equipo, aunque sea incompleta: es el punto de partida, no el resultado final.
  2. Cruza esa lista con la facturación de software de los últimos 24 meses para encontrar lo que el autoinforme no capturó.
  3. Clasifica cada sistema encontrado según el Anexo III y asigna un responsable nominal a cada uno.
  4. Decide, con ese inventario en la mano, qué pilotos se apagan, cuáles necesitan FRIA y cuáles ya deberían estar documentados como de alto riesgo.
  5. Revisa si alguno de esos sistemas te ha convertido, sin que lo decidieras, en "proveedor" bajo el artículo 25.

El inventario no es papeleo para un inspector que quizá nunca llegue. Es la foto que necesitas antes de decidir qué construir, qué apagar y qué gobernar. Sin ella, cualquier estrategia de IA se construye sobre un terreno que no has medido.

Pide tu Auditoría Digital — 45 minutos, sin presentación comercial.

¿Lo llevamos a tu empresa?

Eva te orienta. Nuestro equipo concreta tu proyecto.

Pedir auditoría · 290 € ↗