La implementación de soluciones de inteligencia artificial en el entorno empresarial de América Latina avanza a un ritmo muy superior al de las políticas diseñadas para regularla. De acuerdo con el informe AI Readiness in Latin America 2026 de RSM —basado en una consulta a más de 400 líderes corporativos—, cerca del 40 % de las organizaciones de la región ya integra tecnologías de IA y el 68 % proyecta ampliar su despliegue en los próximos 12 meses. Sin embargo, apenas el 18 % dispone de marcos formales de gobernanza y solo el 17 % ha definido políticas claras de uso para sus equipos de trabajo.
Esta asimetría responde en gran medida a la falta de visibilidad interna (Shadow AI). Los colaboradores acceden a modelos generativos mediante cuentas personales, extensiones de navegador o funciones embebidas en aplicaciones cotidianas sin monitoreo corporativo. Según el Data Breach Investigations Report (DBIR) 2026 de Verizon, el 67 % de los usuarios accede a servicios de IA desde equipos corporativos empleando cuentas no corporativas, mientras que el uso regular por parte de los empleados escaló del 15 % al 45 % en apenas un año.
Desarrollo de software y agentes autónomos: focos de exposición crítica
La falta de lineamientos impacta directamente los flujos de ingeniería y automatización operativa:
Código generado por IA sin validación: Según la Encuesta de Desarrolladores 2026 de Stack Overflow, el 66 % de los programadores utiliza asistentes o agentes de código, pero únicamente el 24 % afirma que su organización cuenta con herramientas autorizadas o protocolos formales de revisión.
Agentes sin supervisión: El Observatorio de Agentic AI 2026 de CIONET y NTT DATA revela que el 80,8 % de las empresas evaluadas carece de mecanismos formales para auditar o frenar las decisiones tomadas por agentes autónomos.
“Los asistentes de programación pueden acelerar la entrega de servicios digitales, pero el código que generan no es seguro por defecto y requiere revisión. Por su parte, los agentes de IA, capaces de consultar bases de datos, enviar correos o modificar configuraciones, pueden comprometer operaciones si cuentan con permisos excesivos y carecen de mecanismos adecuados de supervisión”, advierte José Amado, AI Security Manager de SISAP.
Siete ejes estratégicos para gobernar la IA en las empresas
Tras analizar operaciones en sectores bancarios, gubernamentales e industriales en al menos 10 países —incluyendo Colombia, Panamá, República Dominicana y Centroamérica—, la unidad de AI Security de SISAP estructuró siete frentes de acción que deben ejecutarse de manera coordinada:
Gobierno y responsables: Conformar un comité multidisciplinario (negocio, tecnología, riesgo y ciberseguridad) encargado de aprobar casos de uso y definir el nivel de riesgo tolerable.
Visibilidad sobre el uso real: Levantar un inventario técnico para identificar qué aplicaciones, extensiones y modelos están utilizando los colaboradores y desde qué dispositivos.
Herramientas y cuentas corporativas: Migrar del uso de cuentas personales gratuitas hacia licencias empresariales con gestión centralizada de identidades, autenticación multifactor y control de permisos por rol.
Protección de la información: Clasificar qué datos pueden procesarse en cada plataforma, bloqueando la carga de credenciales, información financiera, datos personales o documentos confidenciales en servicios públicos no aprobados.
Seguridad en el desarrollo de software: Estandarizar los asistentes de programación permitidos y someter todo código generado por IA a auditorías y pruebas de vulnerabilidad antes de desplegarlo en producción.
Control y trazabilidad de agentes: Aplicar el principio de mínimo privilegio en los permisos de los agentes de IA, auditar sus registros de actividad y habilitar interruptores de detención inmediata ante comportamientos anómalos.
Capacitación y supervisión continua: Entrenar periódicamente al personal sobre riesgos operativos y realizar monitoreos constantes para detectar usos fuera de política.
Para SISAP, el propósito de estructurar estos controles no consiste en frenar la transformación digital, sino en dotar a las compañías de criterios técnicos para escalar la inteligencia artificial protegiendo la integridad de los datos y la continuidad del negocio.









