Cómo comprobar que el inventario de IA está completo
Una organización afirma que tiene 37 sistemas de inteligencia artificial registrados. El auditor hace una pregunta sencilla: ¿cómo sabemos que no hay 38?
Si la respuesta es “porque todas las áreas deben registrar sus herramientas”, el inventario quizá demuestre qué fue declarado, pero todavía no demuestra que esté completo. Los usos no registrados pueden aparecer en una suscripción pagada con tarjeta corporativa, una función de IA activada dentro de un SaaS existente, un servicio de nube contratado por un equipo técnico o una herramienta pública utilizada por empleados sin pasar por compras.
La tesis es simple: la completitud de un inventario de IA no se prueba revisando el inventario; se prueba intentando encontrar IA fuera de él.
Primero defina qué significa “completo”
Antes de diseñar pruebas, auditoría necesita un criterio de alcance. Un inventario no tiene que contener cada algoritmo que exista en la organización si la política de gobierno utiliza una definición o un umbral diferente. Sí debe incluir, de forma consistente, los sistemas y usos que la organización haya definido como sujetos a gobierno, evaluación de riesgo, aprobación o monitoreo.
Por eso conviene aclarar tres cuestiones antes de extraer datos:
- Qué se considera IA. ¿Incluye modelos desarrollados internamente, funciones de IA integradas en SaaS, asistentes generativos, APIs de modelos, herramientas públicas y agentes?
- Cuál es la unidad de registro. ¿Se registra el producto, el modelo, el caso de uso o una combinación de ellos?
- Qué exclusiones son aceptables. Si ciertas funciones de bajo riesgo quedan fuera, la lógica debe estar documentada y aplicarse de manera uniforme.
ISO/IEC 42001:2023 proporciona un marco de sistema de gestión para gobernar el desarrollo y uso de IA. Entre sus controles de referencia, la documentación de recursos de IA busca que la organización identifique y documente los recursos relevantes utilizados a lo largo del ciclo de vida. El estándar no ordena al auditor revisar tarjetas corporativas o catálogos SaaS. Esos son procedimientos de auditoría diseñados para probar si el proceso de identificación realmente funciona.
El NIST AI RMF es aún más explícito en su función Govern: plantea que deben existir mecanismos para inventariar sistemas de IA. Su Playbook describe el inventario como una vista integral de los activos de IA de la organización. Para auditoría interna, el reto consiste en obtener evidencia suficiente de que esa vista no depende de una sola fuente.
Construya una población de descubrimiento independiente
El error más común es empezar con el inventario oficial y seleccionar una muestra. Eso permite probar la exactitud de los registros elegidos, pero no la completitud de la población.
Para probar completitud, el auditor necesita fuentes que se originen fuera del proceso que mantiene el inventario. Cada fuente descubre un tipo diferente de exposición.
| Fuente de descubrimiento | Qué revisar | Qué puede revelar | Limitación principal |
|---|---|---|---|
| Compras y proveedores | contratos, órdenes de compra, maestro de proveedores, descripciones de servicios | plataformas, módulos o servicios de IA adquiridos formalmente | la IA puede estar incluida dentro de contratos más amplios sin aparecer en el nombre del producto |
| SaaS e identidad | catálogo de aplicaciones, SSO, aplicaciones autorizadas, registros de acceso o gestión SaaS | herramientas utilizadas por empleados, incluidas funciones activadas sin una compra nueva | no todos los servicios pasan por SSO o por la misma plataforma de administración |
| Gastos y tarjetas corporativas | reembolsos, gastos de viaje y representación, cargos recurrentes, cuentas por pagar | suscripciones individuales o herramientas contratadas fuera del proceso normal de compras | los descriptores comerciales pueden ser ambiguos y generar falsos positivos |
| Inventarios tecnológicos | CMDB, servicios de nube, arquitectura, APIs, repositorios de aplicaciones y catálogos de datos | modelos internos, servicios de IA embebidos, componentes técnicos y dependencias | el registro técnico puede estar fragmentado entre equipos o entornos |
| Encuestas e entrevistas | responsables de proceso, tecnología, analítica, innovación y usuarios intensivos | pilotos, usos experimentales, herramientas gratuitas y usos de negocio que no dejan una huella clara de compra | la evidencia es autodeclarada y debe corroborarse |
La lógica no es “buscar la palabra AI”. Los nombres comerciales cambian y muchas capacidades de IA aparecen como una función más dentro de un producto existente. El análisis debe combinar palabras clave, proveedores conocidos, categorías de gasto, descripciones contractuales, servicios de nube y conocimiento del negocio.
Concilie las fuentes como si buscara transacciones faltantes
Una prueba útil puede ejecutarse como una reconciliación de poblaciones.
1. Congele el inventario a una fecha. Conserve la versión que se utilizará como población auditada, incluidos identificadores, propietario, proveedor, caso de uso y estado del ciclo de vida.
2. Extraiga candidatos de las fuentes independientes. No trate cada coincidencia de palabra clave como una excepción. Genere una lista de candidatos que pueda investigarse.
3. Normalice nombres y relaciones. Un mismo producto puede aparecer con el nombre legal del proveedor en compras, con un dominio distinto en SSO y con un descriptor abreviado en la tarjeta corporativa. La normalización evita contar tres veces la misma herramienta.
4. Compare contra el inventario oficial. Clasifique cada candidato como coincidencia, posible elemento no registrado, elemento fuera de alcance o falso positivo.
5. Investigue las excepciones. Confirme con el responsable del negocio qué hace la herramienta, quién la utiliza, qué datos procesa, si incorpora IA y si cumple los criterios de registro.
6. Pruebe también algunos elementos que sí coinciden. La completitud puede ser razonable mientras la información del inventario es incorrecta. Una muestra de registros conciliados permite validar propietario, finalidad, proveedor, etapa del ciclo de vida y clasificación de riesgo.
| Resultado de la conciliación | Interpretación de auditoría |
|---|---|
| Aparece en una fuente independiente y en el inventario | evidencia de corroboración, sujeta a validar que sea el mismo uso |
| Aparece fuera del inventario y cumple el criterio de IA | excepción de completitud |
| Está en el inventario pero no aparece en otras fuentes | no es automáticamente una excepción; puede ser interno, gratuito, retirado o técnicamente integrado |
| Coincide, pero los datos difieren | posible problema de exactitud, actualización o propiedad del registro |
Este enfoque está alineado con las Normas Globales de Auditoría Interna. La Norma 13.6 exige que el programa de trabajo identifique las tareas, metodologías y procedimientos analíticos necesarios para alcanzar los objetivos del trabajo; la Norma 14.1 exige que la información utilizada sea relevante, fiable y suficiente. Contrastar fuentes independientes fortalece la fiabilidad y evita basar una conclusión de completitud en la misma población que se intenta validar.
Las encuestas funcionan mejor cuando preguntan por conductas, no por “IA”
Una encuesta corporativa puede descubrir herramientas que no aparecen en compras o en inventarios técnicos, pero una pregunta como “¿utiliza inteligencia artificial?” suele producir respuestas inconsistentes. Algunos empleados no saben que una función usa IA; otros consideran que cualquier automatización es IA.
Las preguntas más útiles describen actividades:
- ¿Qué herramientas utiliza su equipo para generar, resumir, traducir o revisar contenido?
- ¿Qué sistemas clasifican, puntúan, recomiendan, predicen o priorizan personas, transacciones o casos?
- ¿Qué funciones de IA han sido activadas dentro de aplicaciones que ya utilizaban?
- ¿Qué herramientas públicas o cuentas individuales se utilizan para tareas de trabajo?
- ¿Qué pilotos están operando aunque todavía no hayan pasado a producción formal?
Las respuestas deben conciliarse con las demás fuentes. Una encuesta que no se corrobora es una nueva lista de declaraciones, no una prueba de completitud.
Mida el rendimiento del proceso de descubrimiento
El objetivo final no es que auditoría construya permanentemente el inventario en nombre de la dirección. Es evaluar si el proceso de gobierno tiene mecanismos razonables para descubrir nuevos usos y actualizar el registro.
Tres métricas pueden ayudar a convertir la revisión en evidencia repetible:
- Tasa de descubrimiento no registrado: proporción de usos de IA validados que fueron encontrados fuera del inventario durante la prueba.
- Origen de las excepciones: qué fuentes, unidades o tipos de gasto producen más elementos no registrados.
- Tiempo de regularización: días entre el descubrimiento de un uso y su registro, evaluación o cierre documentado.
No existe un porcentaje universal que demuestre completitud. La conclusión depende del riesgo, del alcance, de la cobertura de las fuentes y de la calidad del seguimiento. Sin embargo, una alta tasa de excepciones en gastos o SaaS, o la aparición repetida de herramientas no registradas en las mismas áreas, es evidencia de que el control de identificación no está funcionando de forma consistente.
Un inventario completo es un proceso, no una fotografía
Incluso un inventario perfectamente conciliado hoy puede quedar obsoleto mañana. Nuevas funciones aparecen dentro de productos existentes, los empleados prueban herramientas gratuitas, los proveedores incorporan capacidades generativas y los equipos técnicos consumen nuevos servicios de nube.
Por eso, la mejor pregunta de auditoría no es únicamente “¿está completo el inventario?”. Es: ¿qué mecanismos hacen probable que una nueva utilización de IA sea detectada, evaluada y registrada antes de convertirse en una exposición no gobernada?
La diferencia es importante. Un inventario puede verse ordenado y aun así depender de declaraciones voluntarias. Un proceso sólido utiliza varios puntos de detección, asigna responsabilidades, concilia excepciones y aprende de cada uso descubierto fuera del registro.
La completitud no se declara. Se gana mediante descubrimiento independiente y reconciliación.