Saltar al contenido
Revisión pendiente desde 21 ago 20263 fuentes primarias

Mapa de riesgos de IA generativa

Un sistema de IA no es seguro porque “parece contestar bien”. Es seguro cuando sabes qué puede fallar, cómo lo mides, quién responde y qué controles reducen el daño.

Qué vas a conseguir ahora

Una decisión o prueba aplicada a «Mapa de riesgos de IA generativa».

  1. 1Entiende el criterio
  2. 2Haz una práctica pequeña
  3. 3Guarda una evidencia
Evidencia

Una nota breve con qué hiciste, qué salió bien, qué falló y qué revisarías después.

Objetivos de aprendizaje
  • Separar riesgos técnicos, legales, operativos y de usuario.
  • Usar un mapa simple inspirado en NIST: gobernar, mapear, medir y gestionar.
  • Decidir cuándo una app de IA puede publicarse y cuándo debe quedarse en piloto.
En cristiano: gestión de riesgo. No es eliminar todos los fallos. Es saber cuáles importan, medirlos, reducirlos y tener una respuesta preparada si aparecen.

Cuatro preguntas antes de publicar

  • Gobernar: quién decide, quién revisa y qué está prohibido.
  • Mapear: qué usuarios, datos, herramientas y decisiones toca el sistema.
  • Medir: qué tests prueban errores, sesgos, privacidad y abuso.
  • Gestionar: qué límites, logs, permisos y procesos reducen el riesgo.
Idea clave. NIST AI RMF no es una lista de magia: es una forma ordenada de no olvidar gobierno, medición e incidentes.

Ficha de riesgo mínima

Terminal
riesgo:
  nombre: "responder con información médica inventada"
  sistema: "chatbot de atención"
  usuarios_afectados: ["clientes", "equipo soporte"]
  datos: ["preguntas", "historial de tickets"]
  probabilidad: media
  impacto: alto
  controles:
    - limitar dominio
    - responder con fuentes
    - abstención si no hay evidencia
    - revisión humana en casos sensibles
  tests:
    - preguntas sin evidencia
    - instrucciones maliciosas
    - datos personales en prompt
  responsable: "equipo producto"
  fecha_revision: "2026-07-03"

Responsible AI práctico

No lo conviertas en un manifiesto abstracto. Para cada sistema, revisa sesgo, accesibilidad, explicabilidad, privacidad, posibilidad de apelación y daño por automatizar demasiado.

Terminal
responsible_ai_check:
  usuarios_afectados:
    - clientes
    - empleados
  posibles_sesgos:
    - idioma
    - nivel_tecnico
    - acento_o_audio
  mitigaciones:
    - revisión humana en decisiones sensibles
    - alternativa manual disponible
    - logs sin datos personales completos
    - explicación breve de límites al usuario
  apelacion: "email de soporte humano"
Cuidado. En Europa, el AI Act ya aplica por fases. Las prácticas prohibidas y alfabetización en IA empezaron el 2 de febrero de 2025; las obligaciones para modelos de propósito general aplican desde el 2 de agosto de 2025. No conviertas esto en asesoría legal: úsalo como señal para revisar casos de uso.
Comprueba que funciona. Coge una app de IA de Aulafy, por ejemplo un RAG con PDFs, y escribe tres riesgos: uno de privacidad, uno de respuesta incorrecta y uno de uso malicioso.
Guardar y reabrir el proyecto.
El mapa de riesgos es el primer archivo de producción. Si no sabes qué puede salir mal, no sabes qué estás desplegando.

Si has guardado la evidencia de esta lección, continúa con «OWASP Top 10 LLM». Si no, repite la comprobación antes de avanzar.

Mapa completo de AulafyConsulta cómo encaja esta lección sin salir de tu ruta.

Mapa completo de Aulafy

Cómo se relacionan todos los cursos

No es una lista que debas completar. Empieza por la base, elige un resultado y profundiza solo cuando tu proyecto necesite más control.

  1. 1Comprender
  2. 2Aplicar o construir
  3. 3Operar con confianza
01

Empieza aquí

Crea una base común: qué puede hacer la IA, cómo pedir resultados y cómo comprobarlos antes de especializarte.

Desde esta base puedes aplicar la IA a una tarea o aprender a construir con código.

02

Elige una aplicación

Convierte la base en un resultado visible: una web, una mejora de negocio, contenido o una experiencia interactiva.

Si necesitas mantener código, datos o infraestructura, continúa por la rama técnica.

03

Construye con código

Prepara el entorno, trabaja con agentes de programación y aprende a ejecutar modelos con control sobre tus proyectos.

Esta rama prepara los conocimientos necesarios para diseñar y operar sistemas de IA fiables.

04

Lleva sistemas a producción

Combina recuperación, agentes, evaluación, seguridad, despliegue y adaptación de modelos cuando el problema lo exija.

No es obligatorio completarlo todo: elige solo la pieza que tu sistema necesita y vuelve al mapa cuando crezca.

Ver catálogo completo