F17 - 17.0 INTRODUCCIÓN: LA MADUREZ EN GOBERNANZA COMO DIFERENCIADOR CLAVE

§15.0 Introducción — La tensión estructural entre IA y privacidad: tabla comparativa de 6 dimensiones mostrando los riesgos sin privacy engineering vs. los controles técnicos que lo mitigan (training, contexto LLM, corpus RAG, fine-tuning, outputs, logs). El marco regulatorio que lo obliga: GDPR Art. 25, EU AI Act Art. 10, Reforma 25.326 Argentina.

§15.1 Privacy-by-Design para IA — Adaptación de los 7 principios de Cavoukian (1996, elevados a ley en GDPR) al contexto específico de LLMs, RAG y agentes. El principio proactivo aplicado al DPIA de IA antes del deployment; el de configuración predeterminada aplicado a Zero Data Retention y contexto mínimo en Copilot; el de funcionalidad total respondiendo al mito de que privacidad = peor modelo.

§15.2 Técnicas de Privacy Preservation — Differential Privacy con detail: el parámetro epsilon y sus valores en producción enterprise (ε=8.65 alineado con ISO/IEC 27559 y NIST SP 800-226), DP-SGD, las librerías Opacus y TF Privacy, el trade-off privacidad-utilidad con datos cuantitativos. Federated Learning: los 4 tipos (horizontal, vertical, cross-device, FL+DP combinado) con casos reales 2025 incluyendo Zurich+Orange (30% mejora) y KAIST. Homomorphic Encryption y SMPC: estado 2025, overhead, Azure Confidential Computing como alternativa práctica.

§15.3 Anonimización, Pseudonimización y Synthetic Data — El continuo legal-técnico entre las tres técnicas con sus implicaciones bajo GDPR/Ley 25.326. El problema de los quasi-identifiers (Sweeney 1997: código postal + género + fecha de nacimiento re-identifica al 87%). Machine Unlearning como respuesta técnica al derecho al olvido: reentrenamiento exacto (viable para modelos propios pequeños), approximate unlearning (investigación activa), y la postura práctica de compliance cuando el unlearning exacto no es técnicamente posible. Microsoft Presidio como herramienta operacional para anonimización de PII en corpus.

§15.4 Data Minimization en LLM y RAG — Las 5 dimensiones de minimización técnica: contexto del LLM (purging automático, filtros de PII, separación por clasificación), corpus RAG (políticas de retención, exclusión de categorías, auditoría de permisos SharePoint), logs de interacciones (máximo 90 días para contenido completo), outputs del LLM (Purview DLP, sensitivity labels en respuestas), y embeddings en vector database (access control, no indexar datos ultra-sensibles, encriptación at-rest).

§15.5 Microsoft Purview para Privacidad de IA — Mapa completo de 8 capacidades Purview con descripción, relevancia para privacidad de IA, y estado de disponibilidad: DSPM for AI, Sensitivity Labels (MIP), DLP para Copilot, Audit Log, Insider Risk Management for AI, Compliance Manager (con templates EU AI Act y GDPR), Data Lifecycle Management, y Data Risk Assessments. El Copilot Oversharing Problem: el 8.5% de prompts enterprise expone datos sensibles, y el límite de Purview (controla acceso, no inferencia semántica).

§15.6 DPIA para Sistemas de IA — Cuándo es obligatorio (6 criterios GDPR con ejemplos en contexto M365). El proceso completo de 8 pasos adaptado a sistemas de IA con outputs y evidencias para cada paso: descripción, necesidad/proporcionalidad, riesgos específicos de IA (memorización, inferencias indeseadas, sesgo, reidentificación, derecho al olvido inviable), controles existentes, plan de mitigación, consulta con DPO, revisión continua, documentación.

§15.7 Plan para CISO — Seis acciones concretas para los primeros 90 días: activar DSPM for AI, completar etiquetado MIP, implementar DLP en Copilot, ejecutar DPIAs para casos de alto riesgo, configurar retención de logs, e inventariar todos los sistemas de IA. Programa maduro para año 1 y 2027: privacy review como gate de deployment, auditoría anual, capacitación de 20,000 usuarios Copilot, Presidio para corpus RAG, proceso de ejercicio de derechos GDPR, y PETs para modelos propios.

17.0 INTRODUCCIÓN: LA MADUREZ EN GOBERNANZA COMO DIFERENCIADOR CLAVE

La investigación de Cloud Security Alliance publicada en diciembre de 2025 es contundente: la madurez de gobernanza es el factor más determinante que separa las organizaciones que se sienten preparadas para asegurar la IA de las que no. Solo el 25% de las organizaciones tiene gobernanza de seguridad de IA comprensiva. El 75% restante opera con guías parciales o políticas aún en desarrollo. Esta brecha se traduce directamente en diferencias de alineación entre Boards, equipos ejecutivos y equipos de seguridad, y en diferencias de confianza para usar la IA en flujos de trabajo operacionales críticos.

El presente informe completa el proyecto de 17 Fases con la síntesis operacional: el Modelo de Madurez en Gobernanza de IA que permite al CISO (1) saber dónde está su organización hoy, (2) saber hacia dónde debe evolucionar, y (3) comunicar ese estado y progreso al Board con KPIs ejecutivos comprensibles. Es el marco que integra los contenidos de las 16 Fases anteriores en una hoja de ruta accionable.

ESTADO DE LA INDUSTRIA 2025-2026	IMPLICACIÓN PARA EL CISO
Solo el 25% de organizaciones tiene gobernanza de seguridad de IA comprensiva (CSA, diciembre 2025)	Las primeras organizaciones en alcanzar madurez L3-L4 tendrán ventaja competitiva regulatoria y de cliente significativa frente al 75% que recién comienza.
El 75% tiene políticas de uso de IA, pero solo el 36% tiene un framework formal de gobernanza (Pacific AI Survey 2025)	Tener una política de uso aceptable de IA no es suficiente. Sin roles, controles, monitoreo y enforcement estructurados, la política es papel mojado.
El 62% de Boards discute IA regularmente, pero solo el 27% ha formalizado la gobernanza de IA en su charter (NACD 2025)	El CISO debe proveer el lenguaje y los KPIs que permitan al Board pasar de 'discusión de IA' a 'gobernanza de IA en el charter'.
El 44% de ejecutivos dice que el proceso de gobernanza de IA es demasiado lento; el 58% cita sistemas desconectados como bloqueador (ModelOp 2025 Benchmark)	Gobernanza madura no significa gobernanza lenta. El objetivo es reducir el time-to-production de 6-18 meses a 2-4 meses para casos de bajo riesgo, mientras se refuerza el rigor para los de alto riesgo.
McKinsey 2025: el tracking de KPIs de IA es infrecuente, a pesar de ser el factor que más se correlaciona con impacto en compliance y negocio a largo plazo	Sin métricas no hay accountability. Sin accountability no hay gobernanza real. La Fase 17 pone los KPIs en el centro del modelo de madurez.
El 80% de empresas tiene 50+ casos de uso GenAI en pipeline; la mayoría tiene muy pocos en producción (ModelOp 2025)	La brecha entre ideación y producción se cierra con gobernanza estructurada, no con más pilotos. La gobernanza es el habilitador de la escala de IA, no su freno.

17.1 EL MODELO AIGSM — AI GOVERNANCE SECURITY MATURITY (5 NIVELES)

El modelo AIGSM (AI Governance Security Maturity) que se presenta a continuación sintetiza los frameworks de referencia del sector — ISO 42001, NIST AI RMF, EU AI Act, y la investigación de madurez de CSA, Gartner y McKinsey — en un modelo de 5 niveles diseñado específicamente para el CISO con ecosistema Microsoft. Cada nivel describe el estado en 6 dimensiones: Política y Framework, Inventario y Clasificación de Riesgos, Controles Técnicos, Privacy & Seguridad, Métricas y Reporting, y Cultura Organizacional. El CISO puede autoevaluar su posición actual y planificar la evolución.

NIVEL 1 — REACTIVO / AD-HOC
DIMENSIÓN	ESTADO TÍPICO	SEÑALES DE ALERTA
Política y Framework	Sin política de uso de IA. Cada equipo adopta herramientas de IA a su criterio. El CISO conoce el problema pero no tiene mandato formal.	Empleados usando ChatGPT/Copilot con datos de clientes sin política de uso aceptable ni conciencia de los riesgos.
Inventario de IA	Sin inventario de sistemas de IA en uso. Existe 'Shadow AI' — herramientas de IA no aprobadas que la organización no conoce.	El DSPM for AI detecta decenas de apps de IA activas en la red que IT nunca aprobó.
Controles Técnicos	Controles generales de seguridad (MFA, DLP básico) sin configuración específica para IA. Copilot activo sin DLP en prompts ni sensitivity labels.	DSPM for AI muestra alto % de prompts con PII. Sin policy hits en DLP de Copilot porque no hay políticas configuradas.
Privacy & Seguridad	Sin DPIA para sistemas de IA. Sin proceso de red teaming. Logs de Copilot retenidos indefinidamente sin política.	Primer incidente de privacidad con Copilot descubierto por un empleado, no por un control.
Métricas y Reporting	Sin KPIs de gobernanza de IA. El Board no recibe información sobre riesgos de IA. La percepción de riesgo es principalmente anecdótica.	El CISO no puede responder cuántos sistemas de IA tiene la organización ni cuáles son sus riesgos más críticos.
Cultura	Entusiasmo por la IA sin conciencia de riesgos. Los campeones de IA del negocio avanzaron sin involucramiento de seguridad.	El CIO anunció el despliegue de Copilot sin un Privacy Impact Assessment ni un proceso de training de usuarios.

NIVEL 2 — EMERGENTE / POLÍTICAS INICIALES
DIMENSIÓN	ESTADO TÍPICO	PRÓXIMOS PASOS
Política y Framework	Política de uso aceptable de IA documentada y aprobada. Proceso de solicitud para nuevas herramientas de IA. Sin framework formal de gobernanza (ISO 42001 o NIST AI RMF) adoptado aún.	Adoptar NIST AI RMF como framework de referencia (gratuito, flexible). Iniciar gap analysis para ISO 42001.
Inventario de IA	Inventario inicial de sistemas de IA en producción. No es exhaustivo — 'Shadow AI' aún presente. Proceso de registro de nuevas herramientas activo.	Usar DSPM for AI para descubrimiento automático de AI apps en el tenant. Establecer proceso de aprovisionamiento formal.
Controles Técnicos	DLP básico en Copilot (bloqueo de credenciales). Sensitivity Labels aplicados parcialmente. Sin red teaming ni testing adversarial.	Activar DSPM for AI Data Risk Assessments. Ejecutar primer ejercicio de red teaming OWASP LLM01 con PyRIT.
Privacy & Seguridad	Política de retención de logs de Copilot definida. DPIAs iniciados para casos de uso de mayor riesgo. Proceso de respuesta a incidentes de IA documentado.	Completar DPIAs para todos los casos de uso de alto riesgo. Primer DPIA para agentes de Copilot Studio.
Métricas y Reporting	Primeras métricas de IA definidas (inventario de sistemas, N° de incidentes). Reporte trimestral al CISO pero no al Board.	Diseñar el AI Governance Dashboard para el Board. Definir los 5-7 KPIs ejecutivos.
Cultura	Entrenamiento básico en uso responsable de Copilot para usuarios. El equipo de seguridad tiene conciencia de riesgos pero no expertise específico en IA.	Capacitar al equipo de seguridad en OWASP LLM Top 10. Designar AI Security Champions en cada unidad de negocio.

NIVEL 3 — DEFINIDO / FRAMEWORK ESTRUCTURADO
DIMENSIÓN	ESTADO TÍPICO	DIFERENCIADOR
Política y Framework	NIST AI RMF implementado (Govern, Map, Measure, Manage). Gap analysis contra ISO 42001 completado. Plan de certificación ISO 42001 en ejecución. AI Governance Committee activo con reuniones trimestrales.	La diferencia respecto al Nivel 2: el framework no es solo un documento — tiene roles asignados, procesos documentados y evidencia de ejecución.
Inventario de IA	Inventario completo y actualizado de todos los sistemas de IA. Clasificación de riesgo (alto/medio/bajo) para cada sistema. Proceso de onboarding de nuevos sistemas de IA con privacy review y threat model obligatorio.	Privacy Review Gate: ningún sistema de IA va a producción sin checklist de seguridad y privacidad aprobado.
Controles Técnicos	OWASP LLM Top 10 coverage >60% en red teaming. DLP configurado para todas las categorías de PII en Copilot. Sensitivity Labels al >90% en documentos de alta sensibilidad. Kill switch documentado para agentes.	El red teaming es parte del SDLC de IA, no un ejercicio separado anual.
Privacy & Seguridad	DPIAs completados para todos los sistemas de alto riesgo. Proceso de Machine Unlearning/ejercicio de derechos GDPR documentado. Azure Confidential Computing evaluado para cargas de trabajo sensibles.	Compliance Manager muestra score de compliance EU AI Act y GDPR para todos los sistemas de IA en scope.
Métricas y Reporting	AI Governance Dashboard activo con KPIs trimestrales al Board. ASR (Attack Success Rate) por categoría OWASP LLM. Time to Remediation por severidad. Cobertura de sistemas con DPIA.	El Board recibe un AI Risk Scorecard en cada sesión trimestral, análogo al Cyber Risk Scorecard ya establecido.
Cultura	AI Security Champions activos en cada unidad de negocio. >80% de usuarios de Copilot con capacitación completada. El equipo de seguridad tiene al menos un especialista en AI Security.	El AI Governance Committee incluye representantes del negocio, no solo de IT/Seguridad.

NIVEL 4 — GESTIONADO / MÉTRICAS Y CONTROL
DIMENSIÓN	ESTADO TÍPICO	LO QUE PRUEBA ESTE NIVEL
Política y Framework	ISO 42001 certificación obtenida o en proceso de auditoría final. El AI Management System (AIMS) es parte del sistema integrado de gestión junto con ISO 27001 y GDPR. Revisión anual del AIMS con evidencia de mejora continua.	La certificación ISO 42001 es la evidencia objetiva de madurez L4 — es verificada por terceros, no autodeclarada.
Inventario de IA	Inventario en tiempo real: cambios en sistemas de IA (nuevos modelos, nuevos conectores, nuevas herramientas de agentes) son capturados automáticamente. AIBOM (AI Bill of Materials) para modelos propios.	El AIBOM documenta el linaje completo del modelo: datos de entrenamiento, versión, controles de privacidad aplicados.
Controles Técnicos	OWASP LLM Top 10 coverage >90%. Red teaming continuo integrado en CI/CD. Regression suite automático tras cada actualización de modelo. Azure AI Red Teaming Agent (PyRIT) ejecutando scans programados.	La seguridad de la IA no depende de sprints de red teaming — está embedded en el pipeline de desarrollo.
Privacy & Seguridad	Privacy by Design es un gate obligatorio para nuevos sistemas. Differential Privacy implementada en pipelines de fine-tuning propios. Derecho al olvido con proceso documentado y tiempos de respuesta medidos.	El CISO puede demostrar a un regulador no solo que tiene políticas sino cómo se implementan técnicamente.
Métricas y Reporting	KPIs con benchmarking externo (comparación con industria). Análisis de tendencia: el Board puede ver si la postura de gobernanza de IA está mejorando o deteriorándose en el tiempo.	El reporte de gobernanza de IA es comparable año sobre año. El Board puede preguntar '¿mejoramos respecto al trimestre anterior?'
Cultura	La gobernanza de IA es cultura organizacional, no compliance. Los equipos de desarrollo automáticamente incluyen privacy review y threat model como parte de su proceso — no esperan a que seguridad les recuerde.	El indicador más confiable: los desarrolladores de IA consultan al equipo de seguridad proactivamente.

NIVEL 5 — OPTIMIZADO / INNOVACIÓN RESPONSABLE CONTINUA
CARACTERÍSTICAS DEL NIVEL 5	CÓMO DIFERENCIA A LA ORGANIZACIÓN
L	a
C	o
A	I
E	l

📊 Dónde está la industria hoy: CSA diciembre 2025: ~25% en Nivel 3+. ~50% en Nivel 2. ~25% en Nivel 1. Proyección Gartner: para 2027, el 55% de empresas medianas-grandes alcanzará Nivel 3 por presión regulatoria del EU AI Act (obligaciones agosto 2026). El 'first mover advantage' en madurez de gobernanza de IA se cierra en 18-24 meses.

17.2 MARCOS DE REFERENCIA: ISO 42001, NIST AI RMF Y CONVERGENCIA REGULATORIA

El ecosistema de frameworks de gobernanza de IA maduró significativamente en 2023-2025. ISO/IEC 42001 (diciembre 2023) — el primer estándar internacional para sistemas de gestión de IA — y NIST AI RMF (enero 2023, actualización Generative AI Profile 2024) son los marcos de referencia principales. No son competidores — son complementarios. ISO 42001 provee el 'qué' (el sistema de gestión certificable). NIST AI RMF provee el 'cómo' (la metodología de risk management flexible). El CISO que implementa ambos tiene la base para cumplir simultáneamente con EU AI Act, GDPR y las regulaciones LATAM emergentes.

DIMENSIÓN	ISO/IEC 42001 — AI Management System	NIST AI RMF — AI Risk Management Framework
Naturaleza	Estándar internacional certificable (ISO/IEC). Certifica que el AI Management System existe, está implementado y es auditado.	Framework voluntario del gobierno de EE.UU. No certificable. Guía de mejores prácticas adaptable.
Estructura	10 cláusulas (alineadas con ISO Annex SL: contexto, liderazgo, planificación, soporte, operación, evaluación, mejora). Anexos de controles específicos de IA.	4 funciones core: GOVERN (política, roles, cultura), MAP (identificación de riesgos), MEASURE (evaluación, testing), MANAGE (mitigación, respuesta).
Alcance	Cualquier organización que usa o provee IA. Diseñado para integrarse con ISO 27001 (ISMS) e ISO 27701 (PIMS).	Organizaciones que desarrollan, despliegan o usan IA. Especialmente relevante para organizaciones con contratos con el gobierno de EE.UU.
Evidencia requerida	Documentación del AIMS, registros de auditoría interna, evidencia de revisión por dirección, no conformidades y acciones correctivas.	No requiere evidencia formal — es un framework de guía. Pero las organizaciones que lo adoptan documentan sus implementaciones.
Costo	Certificación por auditor externo acreditado. 3 años de vigencia con auditorías de vigilancia anuales. Costo estimado para empresa mediana: USD 15,000-50,000 primer ciclo.	Gratuito. El costo es el tiempo de implementación interno. Estimado: 0.5-1% del presupuesto de AI technology spend.
Relación con EU AI Act	EU AI Act Art. 9 requiere un sistema de gestión de riesgos. ISO 42001 es reconocida como evidencia de cumplimiento del requisito. La Comisión Europea tiene una roadmap de reconocimiento formal.	NIST AI RMF 2.0 (previsto 2025) incluirá mappings explícitos al EU AI Act. Actualmente el mapping existe pero no es oficial.
Mappings mutuos	ISO 42001 Clause 6.1 (AI risk assessment) ↔ NIST AI RMF MAP. ISO 42001 Clause 9.1 (monitoring) ↔ NIST AI RMF MEASURE. ISO 42001 Clause 10 (improvement) ↔ NIST AI RMF MANAGE.	NIST AI RMF GOVERN ↔ ISO 42001 Clauses 4-7 (contexto, liderazgo, planificación, soporte). NIST MEASURE ↔ ISO 42001 Clause 9. Red teaming es práctica core en NIST AI RMF Generative AI Profile.
Integración con M365/Azure	Microsoft Purview Compliance Manager tiene template de ISO 42001. El assessment automático muestra el estado de compliance actual.	NIST AI RMF mappings disponibles en Purview Compliance Manager. El Generative AI Profile menciona explícitamente red teaming y guardrails.

Mapping con el EU AI Act: ISO 42001 Clause 9 (evaluación del desempeño) cubre los requisitos del EU AI Act Art. 9 para sistemas de gestión de riesgos. ISO 42001 Annex A.6 (documentación de sistemas de IA) cubre Art. 11 (documentación técnica). ISO 42001 Annex A.8 (operación de sistemas de IA) cubre Art. 14 (supervisión humana). La implementación de ISO 42001 no es un sustituto completo del EU AI Act pero reduce significativamente el gap de compliance.

17.3 KPIS Y MÉTRICAS: DE LA GOBERNANZA DECLARATIVA A LA MEDIBLE

McKinsey 2025 identifica el tracking de KPIs de IA como el factor que más se correlaciona con impacto en compliance y negocio a largo plazo — y señala que es infrecuente. La mayoría de los programas de gobernanza de IA tienen políticas pero carecen de métricas que permitan demostrar si la gobernanza funciona o no. Esta sección define el set completo de KPIs para un programa de gobernanza de IA maduro, organizados en 4 perspectivas: Seguridad y Riesgo Técnico, Privacidad y Compliance, Operaciones de IA, y Cultura y Capacidades.

#	KPI	FÓRMULA / FUENTE	TARGET / BENCHMARK	NIVEL MADUREZ QUE LO ACTIVA
PERSPECTIVA 1 — SEGURIDAD Y RIESGO TÉCNICO
1	Attack Success Rate (ASR) — Prompt Injection	# ataques exitosos LLM01 / # total × 100. Fuente: PyRIT scoring engine.	<10% sistemas críticos. <25% sistemas altos. Mejora ≥5pp por ciclo.	L2: primer baseline. L3+: tracking continuo
2	Cobertura OWASP LLM Top 10	# categorías OWASP testeadas con ASR known / 10 × 100. Fuente: PyRIT reports.	>60% L3. >90% L4. 100% L5 (incluye Excessive Agency, RAG, Agentic).	L2: empieza. L3: objetivo 60%. L4+: >90%
3	Cobertura MITRE ATLAS	# técnicas ATLAS relevantes testeadas / # aplicables × 100.	>50% L3. >80% L4. >95% L5.	L3: inventario técnicas. L4+: cobertura sistemática
4	Tiempo de Remediación por Severidad	Días desde hallazgo hasta cierre verificado por severity. Fuente: ticket system.	Crítico: <7d. Alto: <30d. Medio: <90d. Bajo: próximo ciclo.	L2: tracking manual. L3+: KPI formal con SLA
5	Tasa de Regresión en Red Teaming	% vulnerabilidades previamente remediadas que reaparecen. Fuente: comparación scorecards PyRIT.	<5% regresión. Si >10%: revisar proceso de remediación.	L3: primer tracking. L4+: benchmark trimestral
PERSPECTIVA 2 — PRIVACIDAD Y COMPLIANCE
6	Cobertura DPIA	# sistemas IA alto riesgo con DPIA completo / # total × 100.	100% sistemas alto riesgo L3. 100% todos L4.	L2: DPIAs iniciados. L3: 100% alto riesgo
7	Score de Compliance Purview (EU AI Act / GDPR)	% controles implementados según Compliance Manager template. Fuente: Microsoft Purview Compliance Manager.	>60% L3. >80% L4. >95% L5.	L2: primer assessment. L3+: objetivo trimestral
8	Tasa de Prompts con PII Detectados por DLP	# prompts con PII detectados / # total prompts Copilot × 100. Fuente: Purview DLP reports.	<2% prompts con PII bloqueados L3. <0.5% L4 (educación reduce). Tendencia decreciente.	L2: primera medición. L3: target y educación
9	Cobertura Sensitivity Labels en Documentos Críticos	# documentos clasificados alto/confidencial con label / # total × 100. Fuente: Purview Information Protection.	>90% L3. >99% L4 (auto-labeling activo).	L2: auditoría inicial. L3+: auto-labeling
10	Tiempo Respuesta Ejercicio Derechos GDPR en Sistemas IA	Días desde solicitud hasta resolución documentada. Fuente: registro DPO.	<30 días (GDPR obligatorio). Objetivo: <15 días L4.	L3: proceso documentado. L4: SLA medido
PERSPECTIVA 3 — OPERACIONES DE IA
11	Cobertura de Inventario de Sistemas IA	# sistemas IA registrados en inventario / # sistemas IA detectados por DSPM × 100.	>80% L2. 100% L3+.	L2: primer inventario. Mejora continua.
12	Tiempo Promedio Deployment Nuevo Sistema IA (con Governance)	Días desde solicitud hasta aprobación para producción incluyendo privacy review + threat model + red team básico.	<60 días L3. <30 días L4 (proceso optimizado). <10 días L5 (governance as code para low-risk).	L3: gate de deployment activo. L4: proceso optimizado
13	Tasa de Incidentes de Seguridad de IA (AISecIR)	# incidentes de seguridad relacionados con sistemas de IA por trimestre. Categorizar: exfiltración datos, prompt injection exitosa, agente actuando fuera de scope.	Baseline trimestre 1 → tendencia decreciente. 0 incidentes Críticos L4.	L2: tracking iniciado. L3+: benchmark
14	ROI del Programa de Gobernanza de IA	(Costo incidentes evitados + valor de contratos ganados por certificación ISO 42001) / Costo del programa × 100. Fuente: estimación actuarial + ventas.	>200% ROI L3 (referencia: incidente financiero USD 3M evitado vs. costo programa USD 150K/año).	L3+: cálculo formal presentable al Board
PERSPECTIVA 4 — CULTURA Y CAPACIDADES
15	Cobertura de Training en AI Governance	# empleados con rol IA (usuarios Copilot, desarrolladores, RRHH, finanzas) con training completado / # total × 100.	>80% usuarios Copilot L3. >90% L4. 100% L5.	L2: primeros módulos. L3: target 80%
16	AI Security Champions Activos	# unidades de negocio con AI Security Champion designado y activo / # total unidades de negocio.	1 Champion por unidad de negocio L3. Champions con certificación AI Security L4.	L3: programa Champions iniciado
17	AI Governance Committee — Asistencia y Decisiones	# decisiones documentadas por el AI Governance Committee por trimestre. % asistencia de miembros.	≥4 decisiones formales/trimestre. >80% asistencia.	L2: Committee formado. L3: funcionamiento regular

17.4 AI GOVERNANCE DASHBOARD: REPORTING AL BOARD Y AL AI GOVERNANCE COMMITTEE

El AI Governance Dashboard es el artefacto que traduce el programa de gobernanza de IA en un lenguaje comprensible para el Board y el AI Governance Committee. No es un informe técnico — es un instrumento de gestión ejecutiva que responde tres preguntas: (1) ¿Cuál es nuestra postura de gobernanza de IA hoy? (2) ¿Estamos mejorando? (3) ¿Qué riesgo residual existe que el Board debe conocer?

17.4.1 Scorecard Ejecutivo de Gobernanza de IA — Q1 2026 (Ejemplo)

ÁREA	SCORE ACTUAL	SCORE ANTERIOR	TENDENCIA	ACCIÓN REQUERIDA
Madurez General AIGSM	Nivel 3 / 5	Nivel 2 / 5	↑ +1	Completar ISO 42001 gap analysis (Q2 2026)
Inventario Sistemas IA	94% cobertura	78% cobertura	↑ +16pp	Incorporar 3 agentes Copilot Studio pendientes
Red Teaming OWASP Coverage	68% (6.8/10 categorías)	45%	↑ +23pp	Cubrir LLM08 (RAG) y LLM10 (Unbounded Consumption) en Q2
Sensitivity Labels Coverage	91% docs confidencial	72%	↑ +19pp	Completar auto-labeling de OneDrive histórico
DLPs Copilot Activos	7 de 9 políticas clave	4 de 9	↑ +3	Implementar DLP para datos de nómina y presupuesto
DPIAs Completados	100% alto riesgo, 60% medio	80% alto, 30% medio	↑	Completar DPIAs para 4 agentes Copilot Studio
Compliance Manager Score — EU AI Act	68% / 100	45%	↑ +23pp	Principales gaps: Annex III risk classification, technical documentation
Training AI Governance (usuarios Copilot)	84% completado	52%	↑ +32pp	Foco en 16% restante: usuarios nuevos en últimos 90 días
Incidentes de Seguridad de IA (trimestre)	2 incidentes (1 medio, 1 bajo)	4 incidentes	↑ mejora	Ambos incidentes con RCA completado. 0 críticos.
ROI del Programa (estimado acumulado)	230% (USD 345K valor / USD 150K costo)	180%	↑ +50pp	Comunicar al Board: 2 contratos de clientes que requirieron ISO 42001 evidence

17.4.2 Los 5 Riesgos de IA que el Board debe conocer — Q1 2026

P	RIESGO	ESTADO DE MITIGACIÓN	IMPACTO POTENCIAL	SEVERIDAD
1	Agente HR Copilot Studio con acceso excesivo a datos de nómina (ASR 35% en red team Q4 2025)	Remediación en curso: reducción de scope de herramientas. Human-in-the-loop activado para acciones write. Retest programado semana 8.	Exfiltración de datos salariales de 20,000 empleados. Impacto regulatorio (GDPR) + reputacional estimado: USD 2-5M.	ALTO
2	Compliance EU AI Act: documentación técnica de sistemas de alto riesgo incompleta	Plan de remediación en ejecución. Deadline agosto 2026. 68% completado. Responsable: DPO + CTO.	Multa máxima EU AI Act: 3% global annual turnover para incumplimiento de Art. 9-15. Estimación para organización: EUR 1-3M.	ALTO
3	Indirect Prompt Injection: documentos de proveedores externos procesados por Copilot sin sanitización	Guardrail de validación de documentos externos en diseño. ETA: Q2 2026. Pendiente presupuesto aprobación.	Compromiso de sesión Copilot de usuarios con acceso a datos financieros y RRHH.	MEDIO
4	Shadow AI: 23 aplicaciones de IA no aprobadas detectadas por DSPM for AI	12 bloqueadas. 11 en proceso de evaluación. Policy de bloqueo por defecto implementada para apps no aprobadas.	Fuga de datos corporativos a servicios de IA de terceros sin contratos de procesamiento de datos.	MEDIO
5	Derecho al Olvido técnico: sin capacidad de Machine Unlearning en modelos base de proveedores	Postura documentada: para modelos de terceros, el derecho al olvido se ejerce en el corpus RAG. Comunicación a DPO y asesoría legal.	Riesgo regulatorio si un titular GDPR ejerce derecho al olvido sobre datos que el LLM memorizó durante entrenamiento.	MEDIO

17.5 HOJA DE RUTA 2026-2028 PARA EL CISO: DE NIVEL 2 A NIVEL 4

La hoja de ruta que sigue parte de la postura realista de una organización CISO con 20,000+ licencias M365 E5 y Copilot activo que ha completado los primeros pasos de gobernanza (Nivel 2). El objetivo es Nivel 4 al cierre de 2028, con el hito de certificación ISO 42001 en el segundo semestre de 2027. Los plazos son conservadores — organizaciones con más recursos o mayor urgencia regulatoria pueden acelerar significativamente.

PERÍODO	OBJETIVO DE MADUREZ	INICIATIVAS CLAVE	HITOS VERIFICABLES
Q1-Q2 2026(Nivel 2→2.5)	Completar el baseline de gobernanza: inventario exhaustivo, controles básicos activos, primeros KPIs medibles	1. Inventario completo de sistemas IA (DSPM for AI). 2. DPIAs para todos los sistemas de alto riesgo. 3. DLP Copilot configurado categorías principales. 4. Red team OWASP LLM01 y LLM06 baseline (PyRIT). 5. AI Governance Committee: primera reunión formal con KPIs.	DSPM for AI 100% inventario. 5 DPIAs completados. Primer AI Risk Scorecard al Board Q2 2026. ASR baseline documentado.
Q3-Q4 2026(Nivel 2.5→3)	Alcanzar Nivel 3: NIST AI RMF implementado, EU AI Act compliance documentada, privacy gate para deployments activo	6. Adoptar NIST AI RMF como framework formal (gap assessment + plan). 7. Compliance Manager EU AI Act: plan de remediación de gaps antes de agosto 2026 (deadline aplicación). 8. Privacy Review Gate: proceso de onboarding de nuevos sistemas IA con checklist obligatorio. 9. Capacitación 80%+ usuarios Copilot. 10. Red team OWASP LLM Top 10 cobertura >60%.	NIST AI RMF adoptado formalmente. Compliance EU AI Act >70%. Privacy Gate activo. Training >80%. Declaración Nivel 3 al Board Q4 2026.
Q1-Q2 2027(Nivel 3→3.5)	Pre-certificación ISO 42001: documentación del AIMS completa, auditoría interna, gap analysis formal con auditor externo	11. Contratar auditor externo acreditado para pre-assessment ISO 42001. 12. Completar documentación de todos los clauses ISO 42001. 13. Ejecutar auditoría interna del AIMS. 14. Cerrar no conformidades identificadas en pre-assessment. 15. Red team integrado en CI/CD para nuevos agentes Copilot Studio.	Pre-assessment ISO 42001 completado. No conformidades cerradas. AIMS documentado según todos los clauses.
Q3-Q4 2027(Nivel 3.5→4)	Certificación ISO 42001 obtenida. Nivel 4 alcanzado: AIMS certificado, red teaming en CI/CD, AIBOM para modelos propios	16. Auditoría de certificación ISO 42001 (Stage 1 + Stage 2). 17. AIBOM implementado para modelos fine-tuned propios. 18. Differential Privacy en pipeline de fine-tuning (si aplica). 19. Benchmark de KPIs contra industria. 20. ROI del programa documentado para presentación al Board.	Certificación ISO 42001 obtenida. Declaración Nivel 4 al Board Q4 2027. AI Governance Report anual publicado internamente.
2028(Nivel 4→5)	Optimización: governance as code, contribución a industria, Board con expertise en IA, AI governance como ventaja competitiva	21. Governance as Code: controles de gobernanza en pipelines CI/CD (pruebas automáticas de privacidad, bias, red team básico). 22. Publicar AI Governance Framework propio (o contribuir al ecosistema LATAM). 23. Programa de certificación AI Security para el equipo de seguridad. 24. Propuesta al CEO para incorporar expertise de IA en Board de Directores.	Governance as Code activo para sistemas IA de bajo-medio riesgo. AI Security certified team. Propuesta de AI Board Director presentada.

⚡ Acelerador clave: La brecha entre organizaciones en Nivel 2 y Nivel 3 normalmente se cierra en 18-24 meses con recursos internos normales. Se puede comprimir a 9-12 meses con: (1) un project manager dedicado al programa de gobernanza de IA, (2) uso de Purview Compliance Manager para tracking automático del estado de controles, y (3) adopción de PyRIT con Azure AI Red Teaming Agent (elimina semanas de setup manual). El costo incremental del programa de gobernanza de IA sobre el stack M365 E5 ya licenciado es principalmente tiempo del equipo, no licencias adicionales.

17.6 SÍNTESIS EJECUTIVA DEL PROYECTO: 17 FASES, 450 REFERENCIAS, ACCIÓN

El proyecto ha recorrido 17 Fases que cubren el ciclo completo del due diligence, gobernanza, seguridad y compliance de IA enterprise para el CISO de 2026. Esta sección sintetiza los hallazgos principales en tres capas: los mensajes ejecutivos para el Board, los principios técnicos para el equipo de seguridad, y las acciones inmediatas más críticas.

17.6.1 Los 10 Mensajes Ejecutivos del Proyecto

#	MENSAJE	EVIDENCIA / DATO DE APOYO
1	La IA no es un riesgo a gestionar más adelante — es un riesgo activo hoy que requiere gobernanza estructurada en 2026.	El 8.5% de prompts Copilot en empresas exponen datos sensibles (Knostic 2025). El 35% de incidentes de seguridad de IA son causados por prompts simples (Adversa AI 2025). EU AI Act: obligaciones de sistemas alto riesgo desde agosto 2026.
2	La gobernanza de IA madura es un habilitador de velocidad, no un freno a la innovación.	Las empresas en Nivel 3-4 de madurez despliegan sistemas de IA en 2-4 meses; las de Nivel 1-2 tardan 6-18 meses por falta de procesos claros (ModelOp 2025). La gobernanza elimina fricción porque los equipos saben las reglas.
3	Copilot con 20,000 usuarios es la superficie de ataque de IA más crítica de la organización — y es también el activo de productividad más valioso.	El riesgo no está en Copilot en sí, sino en la combinación de: (a) datos sin etiquetar + (b) prompts sin DLP + (c) agentes con permisos excesivos. Los tres son controlables con el stack M365 E5 ya licenciado.
4	ISO 42001 es la certificación de gobernanza de IA que el mercado comenzará a requerir en contratos a partir de 2026-2027, análoga a lo que fue ISO 27001 en 2010-2015.	Compliance Manager de Purview ya tiene el template. El camino Nivel 2 → Certificación ISO 42001 es de 12-18 meses con esfuerzo sostenido. Las organizaciones que empiecen en 2026 estarán certificadas en 2027-2028 cuando el mercado lo exija.
5	El EU AI Act no es solo una regulación europea — afecta a cualquier organización que usa sistemas de IA que procesan datos de ciudadanos europeos o que exporta servicios de IA al mercado europeo.	Las obligaciones más relevantes para el CISO: Art. 9 (sistema de gestión de riesgos), Art. 10 (gobernanza de datos), Art. 13 (transparencia), Art. 14 (supervisión humana). Plazo de cumplimiento sistemas de alto riesgo: agosto 2026.
6	El riesgo del proveedor de IA (vendor risk) no termina en el contrato — incluye las prácticas de entrenamiento, las cláusulas de ZDR, la retención de logs y el comportamiento bajo auditoría regulatoria.	Las Fases 5-6 del proyecto (due diligence sectorial y contratos enterprise) proveen el framework para evaluar a los 16 proveedores. Los 5 criterios más críticos: ZDR disponible, base legal de entrenamiento documentada, incidentes de seguridad reportados, cláusulas de subprocesamiento y certificaciones de terceros.
7	La privacidad de IA no se resuelve solo con contratos y políticas — requiere controles técnicos embebidos en el diseño: Differential Privacy, Data Minimization en RAG, DLP en outputs, y Privacy Review gates.	Un 8.5% de prompts con datos sensibles es el benchmark actual sin controles técnicos de privacidad. Las organizaciones con Privacy-by-Design técnico documentan reducciones al 1-2% tras educación y DLP activo.
8	El red teaming de IA no es opcional — es el mecanismo de validación que confirma que los controles de seguridad funcionan contra amenazas reales, no solo contra amenazas teóricas.	UK AISI/Gray Swan 2025: 1.8M ataques contra 22 modelos frontier — todos fallaron algún ataque. PyRIT integrado en Azure AI Foundry elimina la mayor parte de la barrera de entrada para el CISO con ecosistema Microsoft.
9	El horizonte 2030 muestra una IA radicalmente más autónoma y un entorno regulatorio significativamente más denso. La gobernanza que se construye hoy debe ser lo suficientemente robusta para escalar.	Post-Quantum Cryptography: NIST publicó estándares PQC en 2024. La migración cripto debe planificarse para sistemas de IA con datos de vida larga. Sistemas de IA autónomos (Agentic AI) requerirán controles de identidad y supervisión que MTRA los propietarios de hoy deben diseñar.
10	La gobernanza de IA es trabajo del CISO, pero no puede ser responsabilidad exclusiva del CISO. Requiere ownership compartido entre Seguridad, Legal/DPO, Negocio y la Dirección.	El AI Governance Committee no es un órgano técnico — es un órgano de gobierno que toma decisiones de riesgo. El CISO aporta la expertise técnica. El Board aporta el mandato. El negocio aporta el contexto de valor y riesgo operacional.

17.6.2 Síntesis de las 17 Fases — Mapa del Proyecto

FASE	TÍTULO	CONTRIBUCIÓN CLAVE	ARTEFACTO PRINCIPAL
F1-F4	Fundamentos Éticos y Filosóficos	Comparación de 16 proveedores en filosofías éticas (consecuencialismo, deontología, contractualismo). Dilemas éticos reales. Ranking final de proveedores por madurez ética.	Tabla comparativa 16 proveedores × 8 dimensiones éticas. Ranking final.
F5-F6	Due Diligence Sectorial y Contratos	Framework de evaluación pre-adopción para sector financiero, salud, legal y público. Análisis cláusula por cláusula de contratos enterprise de los 5 principales proveedores.	Checklist de due diligence + análisis contractual con cláusulas críticas.
F7	Gobernanza Post-Implementación	AI Incident Response Plan (AIRP) completo con roles, playbooks y plazos. AI Governance Committee charter. Indicadores de monitoreo continuo.	AIRP + AI Governance Committee charter operacional.
F8	Síntesis Ejecutiva y Ranking Final	Ranking final de 16 proveedores con scoring ponderado en 10 dimensiones. Recomendaciones por caso de uso y sector. Matriz de decisión para el CISO.	Ranking final 16 proveedores + matriz de decisión ejecutiva.
F9	ROI/TCO y Caso de Negocio	Framework completo de ROI para programas de seguridad y gobernanza de IA. Cálculo de TCO para las principales plataformas. Presentación ejecutiva para el Board.	ROI Calculator + Business Case template para presentación al Board.
F10	CISO IA y Defensa Aumentada	Microsoft Security Copilot, Defender XDR, Sentinel integrados con IA. Métricas de mejora de eficiencia SOC. Zero Trust + AI Security architecture.	Guía operacional CISO para usar IA en defensa con métricas de impacto.
F11	Panorama Regulatorio LATAM	EU AI Act (extraterritorial para Argentina/LATAM). Reforma Ley 25.326. Regulaciones de Brasil, Chile. Compliance roadmap 12 meses.	Mapa regulatorio LATAM + compliance roadmap por país.
F12	Horizonte Estratégico 2030	Post-Quantum Cryptography (NIST PQC 2024), AI Agentica a escala, AI-native SOC. Roadmap de transformación del rol del CISO 2025-2030.	Roadmap estratégico 2030 con iniciativas prioritarias y hitos.
F13	Red Teaming y Testing Adversarial	OWASP LLM Top 10 2025 (10 vulnerabilidades con escenarios M365). MITRE ATLAS (15 tácticas). PyRIT, Garak, DeepTeam, Promptfoo. Plan de red teaming 90 días + continuo.	Plan de red teaming M365/Copilot con herramientas y métricas.
F14	Explicabilidad y Accountability Algorítmica	XAI techniques (LIME, SHAP, attention maps). Azure Responsible AI Dashboard. Accountability frameworks. Sesgo algorítmico y fairness.	Framework de explicabilidad + plan de implementación Azure RAI.
F15	Privacy Engineering para IA	Privacy-by-Design adaptado a LLMs. Differential Privacy. Federated Learning. Synthetic Data. Machine Unlearning. Microsoft Purview para privacidad de IA. DPIA.	Plan de privacidad de IA con controles técnicos y operacionales.
F16	Explicabilidad y Accountability Algorítmica 2	Continuación y profundización. Casos prácticos de auditoría de algoritmos. Compliance con AI Act Arts. 13-14. Herramientas de bias detection.	Guía de auditoría de sistemas de IA con herramientas y procesos.
F17	Modelo de Madurez en Gobernanza de IA	AIGSM Model 5 niveles. ISO 42001 + NIST AI RMF. 17 KPIs ejecutivos. AI Governance Dashboard. Hoja de ruta 2026-2028. Síntesis del proyecto.	Modelo de Madurez AIGSM + Dashboard + Roadmap 2026-2028.

El proyecto en cifras: 17 Fases completas. 450 referencias de alta calidad. 16 proveedores evaluados en múltiples dimensiones. Cobertura de todo el ciclo: selección de proveedor → contratos → gobernanza → seguridad → privacidad → regulación → estrategia → madurez. El CISO que ha recorrido las 17 Fases tiene el conocimiento y los artefactos para transformar su programa de seguridad de IA de Nivel 1-2 a Nivel 4 en un horizonte de 24 meses.

17.7 REFERENCIAS (R421–R450)

Estadísticas de Madurez en Gobernanza de IA:

R421. Cloud Security Alliance (CSA), 'AI Security Governance Report', diciembre 2025. Publicado en Help Net Security. Solo 25% de organizaciones tiene gobernanza de seguridad de IA comprensiva. La madurez de gobernanza es el factor más determinante de preparación. CISOs supervisan presupuestos de AI security junto con líderes tecnológicos y de negocio.

R422. Pacific AI, 'AI Governance Survey 2025'. 75% de organizaciones tiene políticas de uso de IA. Solo 36% tiene un framework formal de gobernanza. La brecha política-framework es el desafío central de madurez en 2025-2026.

R423. National Association of Corporate Directors (NACD), '2025 Board Survey on AI'. 62% de Boards discuten IA regularmente. Solo 27% ha formalizado la gobernanza de IA en su committee charter. Los Boards están en el punto de inflexión de conciencia a gobernanza estructurada.

R424. Gartner, '2025 Poll of Executive Leaders on AI Governance'. 55% de organizaciones tiene un AI board o comité de supervisión. Aumentó 20pp respecto a 2024. La adopción de comités de gobernanza de IA se está acelerando en todos los sectores.

R425. McKinsey & Company, 'State of AI 2025'. El tracking de KPIs de IA es infrecuente pero correlaciona más fuertemente con impacto en compliance y negocio a largo plazo que cualquier otra práctica. Revenue aumenta en 51-70% de business units con GenAI; el EBIT impact es más modesto (15-20% de firms).

R426. ModelOp, '2025 AI Governance Benchmark Report'. 80% de enterprises tiene 50+ casos de uso GenAI en pipeline. 56% dice que tarda 6-18 meses en mover un proyecto genAI de intake a producción. 44% dice que el proceso de gobernanza es demasiado lento. 58% cita sistemas desconectados como bloqueador principal.

Modelos de Madurez y Frameworks de Gobernanza de IA:

R427. Inference.net, 'AI Governance Maturity Model: 5 Stages + Assessment Tool', febrero 2026. Los 5 niveles de madurez para AI governance: de ad-hoc a optimizado. KPIs por nivel: inventory coverage, % models with complete model cards, evaluation pass rates. Reassessment cada 6-12 meses o tras cambios regulatorios.

R428. Liminal.ai, 'Enterprise AI Governance: Complete Implementation Guide 2025'. AI Governance Committee: reuniones trimestrales con líderes de Security, Risk, Legal, Compliance, Technology, Business Units. Costo programa: 0.5-1% del AI technology spend. 4-6 meses para gobernanza base; 12-24 meses para Nivel 3-4.

R429. Dataversity, 'Building a Practical Framework for AI Governance Maturity in the Enterprise', noviembre 2025. Gobernanza madura no es control rígido sino agility with assurance. El framework predecible de gobernanza acelera la innovación, no la frena.

R430. California Management Review, 'AI Governance Maturity Matrix: A Roadmap for Smarter Boards', mayo 2025. 4 etapas del Board en gobernanza de IA: inconsciente, reactivo, proactivo, transformativo. Solo 13% de S&P 500 tiene directores con expertise en IA. Deep Knowledge Ventures: VITAL como algoritmo en el board.

R431. Deloitte, 'AI Board Governance Roadmap', 2025. Overseeing AI requires: AI fluency en el Board, entender el estado de adopción de IA de la empresa, y comprender las políticas de AI governance. La conversación de IA en el Board debe evolucionar de awareness a oversight estructurado.

R432. TrustCloud, '2025 CISOs Guide to AI Governance'. AI governance aligned con ISO 42001 y NIST AI RMF. Estrategias para evaluar AI risk de terceros. Streamline documentation para auditorías. Best practices de Cribl, Evisort, IMO Health.

ISO 42001 y NIST AI RMF:

R433. ISO/IEC 42001:2023, 'Information Technology — Artificial Intelligence — Management System'. El primer estándar internacional para AI Management Systems (AIMS). 10 cláusulas + Anexos de controles. Certifiable por terceros. Publicado diciembre 2023. iso.org/standard/42001.

R434. RSI Security Blog, 'NIST AI RMF & ISO/IEC 42001: Crosswalk for AI Compliance', diciembre 2025. A octubre 2025, ninguno es legalmente obligatorio en EE.UU. pero son estratégicamente esenciales. Crosswalk: NIST AI RMF MAP ↔ ISO 42001 Clause 6.1 (risk assessment). NIST GOVERN ↔ ISO 42001 Clauses 4-7. Implementar NIST primero agiliza ISO 42001.

R435. FairNow, 'Integrating the NIST AI RMF and ISO 42001: A Practical Guide', octubre 2025. Gap analysis como primer paso crítico. KPIs atados a goals de gobernanza. ISO 42001 requiere metodología estructurada para evaluar AI governance maturity. Las organizaciones con ISO 27001 tienen ventaja de integración.

R436. ISMS.online, 'ISO 42001: Ultimate Implementation Guide 2025', septiembre 2025. ISO 42001 Clause 8.2 (AI Supply Chain Risk Management): contratos y auditorías de proveedores IA de terceros. Penetration testing, data poisoning simulation, adversarial input testing como parte del AIMS. Mapping a GDPR, NIST AI RMF, EU AI Act.

R437. Hicomply, 'ISO 42001 vs NIST AI RMF: How to Choose the Right Framework', noviembre 2025. ISO 42001: certifiable, structured blueprint para AIMS. NIST AI RMF: flexible playbook para risk management. Las organizaciones que buscan resiliencia, transparencia y regulatory readiness implementan ambos. No son rivales.

R438. Vanta, 'NIST AI RMF vs. ISO 42001: 5 differences to consider', octubre 2025. NIST AI RMF: empezar aquí (gratuito, no requiere compromiso de certificación). Escalar a ISO 42001 a medida que madura el programa. Principios clave: accountability, fairness, explainability, data privacy, reliability.

R439. Lasso Security, 'ISO/IEC 42001: Features, Types and Best Practices', octubre 2025. Certificación válida 3 años con auditorías anuales. Requiere controles en: risk management, governance, transparency, bias mitigation, human oversight, lifecycle monitoring. ISO 42001 extends ISO 27001 (ISMS) específicamente para IA.

Reporting al Board y Cultura de Gobernanza de IA:

R440. Help Net Security, 'Governance maturity defines enterprise AI confidence', diciembre 2025. Las organizaciones con gobernanza establecida muestran mayor alineación Board-ejecutivos-seguridad. Mayor confianza para usar IA en SOC (detection, investigation, response). La gobernanza da exposición directa al comportamiento real de los sistemas de IA.

R441. Knostic, 'The 20 Biggest AI Governance Statistics and Trends of 2025'. Análisis de McKinsey State of AI 2025, Verizon 2025 DBIR, IBM Cost of a Data Breach 2025, Cisco Data Privacy Benchmark 2025, FBI IC3 2024. GenAI adoption ha outpaced governance maturity en todas las industrias.

R442. Harvard Law School Forum on Corporate Governance, 'Four Ways Boards Can Support the Effective Use of AI', mayo 2024. Solo 13% de S&P 500 tiene directores con expertise en IA. La influencia del Board en AI governance es más efectiva cuando incluye directores con background técnico.

R443. ModelOp, '2025 AI Governance Benchmark Report'. Disconnected systems son el principal bloqueador de AI governance efectiva (58%). Gobernanza como habilitador: empresas con governance maduro despliegan AI 3x más rápido que aquellas con governance ad-hoc.

Síntesis y Referencias Cruzadas del Proyecto Completo:

R444. EU AI Act — Hoja de Ruta Completa. Reglamento (UE) 2024/1689. Obligaciones aplicables agosto 2026 para sistemas de alto riesgo. Art. 9 (risk management system): ISO 42001 como evidencia de compliance. Art. 10 (data governance). Art. 13 (transparency). Art. 14 (human oversight).

R445. MITRE ATLAS octubre 2025. 15 tácticas + 66 técnicas + 46 sub-técnicas para amenazas contra sistemas de IA. Actualización octubre 2025: +14 nuevas técnicas para AI Agents y GenAI (Zenity Labs). atlas.mitre.org.

R446. OWASP, 'OWASP Top 10 for LLM Applications 2025'. 5 nuevas categorías vs. 2024: Excessive Agency (#6), System Prompt Leakage (#7), Vector/Embedding Weaknesses (#8), Misinformation (#9), Unbounded Consumption (#10). Prompt Injection #1 segundo año consecutivo.

R447. Microsoft Purview Compliance Manager, 'Templates for AI Regulations 2025'. Templates disponibles: EU AI Act, GDPR, ISO 42001, ISO 23894, NIST 2 AI, Digital Operations Resilience Act. Mapping automático de controles implementados. Recomendaciones de acciones siguientes.

R448. Cloud Security Alliance, 'AI Security Maturity Model (AISMM)', 2025. Framework complementario de madurez de seguridad de IA. 5 niveles. Dominios: AI Asset Management, AI Risk Management, AI Operations Security, AI Privacy, AI Compliance.

R449. NIST AI RMF 1.0 + Generative AI Profile (NIST AI 600-1), 2024. Las 4 funciones core: GOVERN, MAP, MEASURE, MANAGE. El Generative AI Profile añade guía específica para LLMs: red teaming, guardrails, human-in-the-loop, output monitoring.

R450. Anthropic, OpenAI, Google DeepMind, Microsoft, Meta — Responsible AI Frameworks 2025. Los 16 proveedores analizados en las Fases 1-8 del proyecto muestran convergencia hacia: AI safety research formal, red teaming pre-deployment, transparency reports anuales, gobernanza interna con AI Safety Committees. La brecha entre los líderes de madurez ética (Anthropic, DeepMind) y los rezagados se mantiene significativa en dimensiones de explicabilidad y mecanismos de rendición de cuentas.