Controles COSO para la IA generativa: qué cambia y qué auditar
Una empresa puede tener una política de inteligencia artificial, un comité de gobierno y una lista de herramientas aprobadas y, aun así, carecer de un sistema de control interno capaz de detectar cuándo una salida generada por IA deja de ser confiable. Esa es la tensión que importa para auditoría: la gobernanza puede existir en el papel mientras el riesgo cambia en producción.
La publicación de COSO de 2026, Achieving Effective Internal Control Over Generative AI (GenAI), parte de una idea útil: no hace falta inventar un marco de control completamente nuevo para la IA generativa. Los cinco componentes del Internal Control—Integrated Framework siguen siendo válidos. Lo que cambia es la forma en que deben aplicarse cuando las salidas son probabilísticas, las configuraciones cambian con rapidez, los proveedores actualizan modelos y los usuarios pueden introducir nuevos riesgos mediante un simple prompt.
La consecuencia para auditoría interna es importante. Evaluar controles de GenAI no consiste en preguntar si existe una política de IA. Consiste en determinar si el sistema de control sigue siendo presente, funcional y demostrable cuando cambian el modelo, los datos, los prompts, los conectores, los umbrales y la forma en que las personas dependen del resultado.
COSO no cambia de arquitectura; cambia el objeto que debemos controlar
COSO mantiene sus cinco componentes y 17 principios. La guía de 2026 los traduce a prácticas específicas para IA generativa y organiza los casos de uso por capacidades, no por marcas o productos. Es una decisión acertada: auditar “el copiloto X” envejece rápido; auditar lo que el sistema hace —ingerir información, transformar datos, procesar transacciones, orquestar tareas, generar juicios, monitorear, recuperar conocimiento o colaborar con personas— produce criterios más estables.
La guía también identifica características que alteran el diseño de controles. La GenAI puede ser convincentemente incorrecta; es dinámica; puede escalar tanto beneficios como errores; tiene una barrera de entrada baja; y, bien gobernada, puede utilizarse para reforzar su propio monitoreo. Esto cambia una premisa clásica del control: no siempre basta con verificar que una regla se ejecutó. También puede ser necesario demostrar que el resultado fue suficientemente confiable para el propósito previsto.
El control relevante ya no es solo “¿se ejecutó el proceso?”, sino también “¿podemos demostrar por qué era razonable confiar en el resultado en ese momento?”.
Los cinco componentes, reinterpretados para GenAI
La utilidad de COSO está en convertir riesgos de IA aparentemente técnicos en preguntas de control reconocibles para finanzas, riesgos, cumplimiento y auditoría.
| Componente COSO | Qué cambia con GenAI | Evidencia que debería existir |
|---|---|---|
| Entorno de control | La adopción puede ocurrir fuera de canales formales y la responsabilidad puede diluirse entre negocio, TI y proveedores. | Propietario definido por caso de uso, responsabilidades y escalación, política de uso aceptable, formación por rol y supervisión de usos de mayor impacto. |
| Evaluación de riesgos | El riesgo cambia con modelos, datos, prompts, conectores, proveedores y regulación. | Objetivos y límites del caso de uso, escenarios de riesgo, registro vivo de riesgos, evaluación de fraude y disparadores para reevaluar cambios significativos. |
| Actividades de control | Las salidas son probabilísticas y pueden accionar procesos con poca intervención humana. | Revisión humana proporcional al riesgo, control de acceso y cambios, versionado de configuraciones, umbrales aprobados, tratamiento de excepciones y trazabilidad. |
| Información y comunicación | Una salida puede parecer autoritativa aunque su fuente, versión o limitaciones no sean visibles. | Registro de entradas, salidas, fuentes y versiones; métricas de calidad; comunicación de cambios, incidentes y limitaciones a los destinatarios correctos. |
| Actividades de monitoreo | Un control que funcionó ayer puede degradarse por drift, cambios del proveedor o nuevas formas de uso. | Indicadores continuos, revisiones independientes periódicas, umbrales de alerta, criterios de rollback y registros de deficiencias y remediación. |
El patrón es consistente: la trazabilidad deja de ser un atributo documental y se convierte en un control operativo. Prompts de sistema, fuentes de recuperación, parámetros, versiones de modelo, plugins y reglas de transformación pueden ser configuraciones críticas. Si no existe un historial suficientemente controlado, investigar un error o reproducir una decisión puede ser imposible.
La distinción clave: usar IA no es lo mismo que depender de ella
Uno de los conceptos más útiles de la guía de COSO es la diferencia práctica entre asistencia y dependencia de la IA. En un proceso de control financiero, por ejemplo, una herramienta puede sugerir una coincidencia entre una transacción y su soporte. Si el responsable vuelve a ejecutar la comprobación y documenta su revisión, la IA está ayudando. Si aprueba basándose únicamente en el resultado de la IA, el control depende de ese resultado.
La diferencia determina la profundidad del control necesario. Cuanto mayor sea la dependencia, mayor debería ser la evidencia sobre configuración, versión, validación, excepciones, exactitud y cambios. Esta lógica es especialmente relevante en información financiera, pero también es útil para procesos operativos, de cumplimiento y de toma de decisiones.
Para un auditor interno, tres preguntas ayudan a separar ambos escenarios:
- ¿Qué decisión o actividad ocurriría de forma distinta si la salida de IA fuera incorrecta?
- ¿Existe una verificación independiente real o solo una aprobación formal de la salida?
- ¿La organización puede reconstruir qué modelo, datos, configuración y reglas produjeron el resultado revisado?
Un botón de “aprobar” no convierte automáticamente una decisión en humana. Si el revisor no dispone de evidencia, competencia o tiempo para desafiar el resultado, el control puede ser humano en apariencia y automatizado en la práctica.
Cómo traducir COSO a un programa de auditoría
Las Normas Globales de Auditoría Interna exigen, en la Norma 13.4, identificar criterios relevantes para evaluar la actividad bajo revisión. COSO puede servir como una práctica rectora para construir esos criterios cuando se combina con las políticas de la organización, los requisitos legales aplicables y las características del caso de uso.
Una secuencia de auditoría práctica puede ser la siguiente:
- Priorizar por impacto y dependencia. Empezar por casos de uso donde la IA influye en transacciones, decisiones regulatorias, información para dirección o acciones automatizadas.
- Definir el objetivo de control antes de probar la tecnología. Aclarar qué resultado de negocio debe protegerse y qué nivel de error o variabilidad es tolerable.
- Trazar el flujo de extremo a extremo. Seguir entradas, transformación, modelo, recuperación de conocimiento, salida, revisión humana y acción posterior. El objetivo es identificar dónde puede propagarse un error.
- Probar diseño y funcionamiento. No limitarse a comprobar que existen políticas. Revisar evidencia de aprobaciones, versiones, cambios, excepciones, validaciones y ejecución real de controles.
- Evaluar monitoreo y respuesta al cambio. Verificar si existen indicadores, responsables y umbrales que obliguen a investigar, reconfigurar, suspender o revertir el uso cuando el comportamiento se deteriora.
La guía de COSO es particularmente útil porque permite conectar el lenguaje de IA con conceptos que los equipos de control ya conocen. Hallucination puede convertirse en riesgo de exactitud; prompt injection en riesgo de integridad y seguridad; model drift en cambio significativo; shadow AI en debilidad del entorno de control; y falta de trazabilidad en una limitación de información y evidencia.
COSO, ISO/IEC 42001 y las Normas del IIA no cumplen la misma función
La proliferación de marcos crea un riesgo adicional: convertir la gobernanza de IA en una colección de checklists superpuestos. Conviene mantener claras las funciones de cada referencia.
COSO es un marco de control interno orientado a ayudar a las organizaciones a lograr objetivos de operaciones, información y cumplimiento. La guía de 2026 muestra cómo aplicar esa arquitectura a GenAI. No crea un sistema de gestión independiente ni sustituye los controles generales de tecnología, seguridad o privacidad que ya deberían existir.
ISO/IEC 42001:2023, en cambio, es una norma de sistemas de gestión que especifica requisitos para establecer, implementar, mantener y mejorar continuamente un sistema de gestión de IA. Incluye elementos como liderazgo, evaluación y tratamiento de riesgos, evaluación de impacto, información documentada, auditoría interna, revisión por la dirección y mejora. Puede complementar COSO cuando la organización quiere una estructura formal de gestión de IA a nivel empresarial.
Las Normas Globales de Auditoría Interna tienen otro propósito: establecen los requisitos para la práctica profesional de auditoría interna. No dicen qué marco de IA debe adoptar la organización, pero sí obligan a los auditores a planificar con criterios adecuados, evaluar riesgos y controles, obtener evidencia y sustentar conclusiones.
Usados correctamente, los tres niveles son compatibles: COSO ayuda a estructurar el control; ISO/IEC 42001 puede estructurar el sistema de gestión; las Normas del IIA estructuran la forma en que Auditoría Interna evalúa y comunica.
El control maduro es el que sigue funcionando cuando la IA cambia
La prueba más exigente no ocurre el día del lanzamiento. Ocurre después, cuando el proveedor modifica el modelo, se actualiza una fuente de conocimiento, cambia un prompt, aparece un nuevo patrón de ataque o el usuario empieza a confiar más en la herramienta de lo previsto.
Por eso, aplicar COSO a IA generativa no debería terminar en una matriz de riesgos y controles estática. El verdadero objetivo es construir un sistema capaz de detectar cambios, reevaluar riesgos, conservar trazabilidad, escalar excepciones y demostrar por qué una salida era suficientemente confiable para la decisión que soportó.
Para Auditoría Interna, esa es también la mejor señal de que la organización ha pasado de “tener gobernanza de IA” a operar controles de IA que pueden ser observados, probados y desafiados.