Artificial Intelligence (AI) Inversión responsable ESG Política y regulación Tecnologia & Innovación Alternativas Multiactivos Renta fija Renta variable Blog

Ética y regulación de la IA: Cómo los inversores pueden navegar por el laberinto

29 mayo 2026

5 min read

Desde riesgos de marca hasta incertidumbre regulatoria, la IA plantea desafíos de inversión. ¿Hay un camino a seguir?

La inteligencia artificial (IA) plantea muchos problemas éticos que pueden traducirse en riesgos para los consumidores, las empresas y los inversores. La regulación de la IA, que se está desarrollando de manera desigual en las distintas jurisdicciones, aumenta la incertidumbre. La clave para los inversores, en nuestra opinión, es centrarse en la transparencia y la explicabilidad.

Las cuestiones éticas y los riesgos de la IA comienzan con los desarrolladores que crean la tecnología. Desde allí, fluyen hacia los clientes de los desarrolladores —empresas que integran la IA en sus negocios— y luego a los consumidores y a la sociedad en general. A través de sus participaciones en desarrolladores de IA y empresas que utilizan la IA, los inversores están expuestos a ambos extremos de la cadena de riesgo.

Las reglas divergentes dan forma al riesgo de la IA

La IA continúa desarrollándose a un ritmo acelerado, muy por delante de la comprensión que la mayoría de la gente tiene de ella. Entre los que intentan seguir el ritmo se encuentran los reguladores y legisladores a nivel mundial, cuya actividad ha aumentado recientemente. Muchos países han publicado estrategias nacionales de IA, y varias de las principales jurisdicciones han pasado de la estrategia a las normas de cumplimiento obligatorio (Gráfico).

Desarrollo global de políticas y regulaciones de IA

La actividad es elevada, pero la evolución ha sido desigual

El mapa mundial muestra que la mayoría de los países fuera de África han publicado o están desarrollando una estrategia nacional de IA.

Los análisis históricos y actuales no garantizan resultados futuros.
Hasta el 31 de diciembre de 2025
Fuente: Repositorio de incidentes y controversias de IA, algoritmos y automatización (AIAAIC); y Sha Sajadieh et al., Informe anual del AI Index 2026, Comité Directivo del AI Index, Instituto de IA Centrada en el Ser Humano, Universidad de Stanford, Stanford, CA, abril de 2026

La falta de un enfoque uniforme para la regulación de la IA en las distintas jurisdicciones crea complejidades para las empresas internacionales. Los enfoques regulatorios difieren en forma y alcance. La Ley de Inteligencia Artificial de la Unión Europea (UE) adopta un modelo basado en el riesgo, con requisitos estrictos para los sistemas de IA de alto riesgo. Estados Unidos adopta un enfoque sectorial que enfatiza la innovación y la competitividad. China prioriza el control estatal, la soberanía de datos y el monitoreo integral.

Este panorama regulatorio exige que las empresas que operan a nivel internacional sigan de cerca los desarrollos—y agrava otros riesgos de la IA para los inversores.

Los riesgos de los datos pueden dañar las marcas

En los negocios, la IA se implementa a menudo a través de herramientas generativas —como la generación de texto, video y voz— y grandes modelos de lenguaje (LLM). Los LLM sustentan aplicaciones como los chatbots, la creación automatizada de contenido y el análisis de datos a gran escala.

Muchas empresas han descubierto que las innovaciones en IA pueden implicar riesgos potencialmente perjudiciales para la marca. Estos pueden surgir de los sesgos inherentes a los datos con los que se entrenan los LLM y han provocado que los bancos discriminen de forma inadvertida a las minorías en la aprobación de préstamos hipotecarios, y que un proveedor de seguros médicos estadounidense se enfrente a una demanda colectiva que alega que su uso de un algoritmo de IA provocó que se denegaran indebidamente las reclamaciones de cuidados prolongados para pacientes de edad avanzada.

Los riesgos también se derivan de los datos de entrenamiento de la IA. En septiembre de 2025, Anthropic resolvió una demanda colectiva por datos de entrenamiento pirateados por unos 1.500 millones de dólares. Para finales de año, se habían presentado más de 70 demandas por derechos de autor sobre IA generativa, incluyendo The New York Times contra OpenAI y Microsoft, Disney y Universal contra Midjourney, y Getty Images contra Stability AI. El riesgo de los datos de entrenamiento de IA es cada vez más un riesgo cuantificable en el balance general.

El sesgo, la discriminación y los datos de entrenamiento son riesgos regulatorios clave que deberían estar en el radar de los inversores; otros incluyen los derechos de propiedad intelectual y las consideraciones de privacidad relativas a los datos. Las medidas de mitigación de riesgos —como las pruebas realizadas por los desarrolladores sobre el rendimiento, la precisión y la solidez de los modelos de IA, y ofrecer a las empresas transparencia y apoyo en la implementación de soluciones de IA— también deberían ser examinadas.

Profundice para comprender las regulaciones sobre la IA

Los enfoques regulatorios de la IA están divergiendo de maneras que son importantes para los inversores. La Ley de IA de la UE, un marco integral basado en el riesgo, se ha estado implementando por fases desde 2024. Estados Unidos, por el contrario, depende de agencias federales existentes, marcos voluntarios y leyes a nivel estatal en lugar de un único régimen general. El Reino Unido ha adoptado un enfoque basado en principios, aplazando una legislación integral. Y China ha avanzado rápidamente con normativas específicas centradas en aplicaciones concretas—particularmente aquellas vinculadas al control de contenidos, la estabilidad social y la soberanía de datos.

Para los inversores, esta divergencia tiene implicaciones reales. Es cada vez más relevante preguntarse para qué jurisdicción está optimizando efectivamente una empresa de la cartera, ya que las normas que rigen un negocio global pueden variar sustancialmente según el mercado.

Los inversores, en nuestra opinión, deberían hacer más que analizar a fondo las regulaciones de IA específicas de cada jurisdicción. También deberían comprender cómo los marcos legales existentes —como las leyes de derechos de autor para abordar las infracciones de datos y la legislación laboral donde la IA tiene un impacto en los mercados laborales— se están aplicando a la IA.

El análisis fundamental y el compromiso son clave

Una regla general útil para los inversores que evalúan el riesgo de la IA es que las empresas que divulgan proactivamente sus estrategias y políticas de IA probablemente estén mejor preparadas para las nuevas regulaciones. En términos más generales, el análisis fundamental y el compromiso con los emisores son centrales para esta área de investigación.

A nuestro modo de ver, el análisis fundamental debería examinar no solo los riesgos de la IA a nivel de empresa, sino también los riesgos a lo largo de la cadena empresarial y en todo el entorno normativo, contrastando las conclusiones con los principios básicos de una IA responsable (Gráfico).

Uso responsable de la IA: Una visión integral para los inversores

Una representación estilizada de 10 principios básicos para una IA responsable, que incluyen la privacidad, la equidad, la fiabilidad y la auditabilidad.

Exclusivamente para fines informativos.
Fuente: AllianceBernstein (AB)

Las conversaciones de implicación deben abordar las cuestiones de IA no solo en las operaciones comerciales, sino también desde las perspectivas ambiental, social y de gobernanza.

Supervisión de la IA: Preguntas para los consejos de administración y la dirección

Las preguntas que los inversores deben hacer a los consejos de administración y a la dirección incluyen:

Integración de la IA: ¿Cómo ha integrado la empresa la IA en su estrategia empresarial general? ¿Cuáles son algunos ejemplos específicos de aplicaciones de IA dentro de la empresa?

Supervisión y experiencia de la junta directiva: ¿Cómo garantiza la junta directiva que cuenta con la experiencia suficiente para supervisar de manera efectiva la estrategia y la implementación de la IA de la empresa? ¿Existen programas de formación o iniciativas específicas en marcha?

Compromiso público con la IA responsable: ¿Ha publicado la empresa una política o marco formal sobre IA responsable? ¿Cómo se alinea esta política con los estándares de la industria, las consideraciones éticas sobre la IA y la regulación de la IA?

Transparencia proactiva: ¿Tiene la empresa implementada alguna medida proactiva de transparencia para hacer frente a futuras implicaciones regulatorias?

Gestión de riesgos y responsabilidad: ¿Qué procesos de gestión de riesgos tiene implementados la empresa para identificar y mitigar los riesgos relacionados con la IA? ¿Existe responsabilidad delegada para supervisar estos riesgos?

Desafíos de datos en los LLM: ¿Cómo aborda la empresa los desafíos de privacidad y derechos de autor asociados con los datos de entrada utilizados para entrenar los LLM? ¿Qué medidas se aplican para garantizar que los datos de entrada cumplan con las normativas de privacidad y las leyes de derechos de autor? ¿Cómo gestiona la empresa las restricciones o requisitos relacionados con los datos de entrada?

Desafío del sesgo y la equidad en los sistemas de IA generativa: ¿Qué medidas toma la empresa para prevenir y/o mitigar los resultados sesgados o injustos de sus sistemas de IA? ¿Cómo garantiza la empresa que los resultados de cualquier sistema de IA generativa utilizado sean justos, imparciales y no perpetúen la discriminación ni causen daño a ningún individuo o grupo?

Cumplimiento jurisdiccional: ¿Cumple la empresa con el estándar global más alto por defecto, o jurisdicción por jurisdicción?

Seguimiento y reporte de incidentes: ¿Cómo realiza la empresa el seguimiento y reporta los incidentes relacionados con su desarrollo o uso de la IA, y qué mecanismos existen para abordar y aprender de estos incidentes?

Métricas y reportes: ¿Qué métricas utiliza la empresa para medir el rendimiento y el impacto de sus sistemas de IA? ¿Cómo se reportan estas métricas a las partes interesadas externas? ¿Cómo mantiene la empresa la diligencia debida al supervisar el cumplimiento normativo de sus aplicaciones de IA?

En última instancia, la mejor manera de atravesar el laberinto es que los inversores mantengan los pies en la tierra y sean escépticos. Deberían exigir respuestas claras y no dejarse impresionar indebidamente por explicaciones elaboradas.

Integración de la IA: ¿De qué modo la empresa ha integrado la IA en su estrategia global de negocio? ¿Pueden señalar algún ejemplo específico de aplicación de la IA en la empresa?
Supervisión y cualificación del consejo de administración: ¿De qué modo el consejo de administración se asegura de estar debidamente cualificado para una correcta supervisión de la estrategia y la implementación de la IA en la empresa? ¿Existe algún programa o iniciativa de formación específicos?
Compromiso público con la IA responsable: ¿Ha publicado la empresa alguna política o marco formal sobre IA responsable? ¿En qué medida dicha política se ajusta a las normas del sector, las consideraciones éticas de la IA y la reglamentación en este ámbito?
Transparencia proactiva: ¿La empresa dispone de medidas proactivas de transparencia para cumplir los requisitos de futuras normativas?
Gestión del riesgo y rendición de cuentas: ¿Qué procesos de gestión de riesgos ha implantado la empresa para determinar y mitigar los riesgos asociados a la IA? ¿Se ha delegado la responsabilidad relativa a la supervisión de dichos riesgos?
Problemas relacionados con los datos en los LLM: ¿De qué modo aborda la empresa los problemas de privacidad y derechos de autor asociados a los datos de entrada utilizados para entrenar los grandes modelos de lenguaje? ¿Qué medidas se han aplicado para garantizar que los datos de entrada cumplen las normativas en materia de privacidad y la legislación sobre derechos de autor, y de qué modo aplica la empresa las restricciones y requisitos relacionados con los datos de entrada?
Problema de sesgo y equidad en los sistemas de IA generativa: ¿Qué medidas adopta la empresa para evitar o mitigar los resultados sesgados o no equitativos de sus sistemas de IA? ¿De qué modo garantiza la empresa que los resultados de los sistemas de IA generativa utilizados son justos, están libres de sesgos y no perpetúan la discriminación o perjudican a las personas o grupos?
Seguimiento e información sobre incidentes: ¿De qué modo la empresa realiza un seguimiento de los incidentes relacionados con su desarrollo o uso de la IA e informa sobre ellos, y qué mecanismos existen para abordar dichos incidentes y aprender de ellos?
Parámetros e información: ¿Qué parámetros utiliza la empresa para medir el rendimiento y el impacto de los sistemas de IA, y cómo informa de dichos parámetros a las partes interesadas externas? ¿De qué modo aplica la empresa la diligencia debida en la supervisión del cumplimiento normativo de sus aplicaciones de IA?

En definitiva, ser realistas y escépticos es la mejor manera de que los inversores encuentren su senda en todo este laberinto. La IA es una tecnología compleja que evoluciona con gran rapidez. Los inversores deben insistir en obtener respuestas claras y no dejarse impresionar por explicaciones muy elaboradas o complicadas.

Los autores dan las gracias a Roxanne Low, Analista ASG del equipo de Inversión Responsable de AB, por sus análisis.

Las opiniones expresadas en este documento no constituyen análisis, asesoramiento de inversión ni recomendación de negociación y no representan necesariamente las opiniones de todos los equipos de gestión de carteras de AB. Las opiniones pueden cambiar a lo largo del tiempo.

Acerca del autor

Esto es una comunicación publicitaria. Esta información es facilitada por AllianceBernstein (Luxembourg) S.à r.l. Société à responsabilité limitée, R.C.S. Luxembourg B 34 305, 2-4, rue Eugène Ruppert, L-2453 Luxemburgo, una sociedad autorizada en Luxemburgo y regulada por la Commission de Surveillance du Secteur Financier (CSSF). Se facilita con fines únicamente informativos y no constituye un asesoramiento de inversión o una invitación para adquirir valores u otras inversiones. Las perspectivas y opiniones manifestadas se basan en nuestras previsiones internas y no deben tomarse como una indicación del comportamiento futuro del mercado. El valor de las inversiones en los Fondos puede variar y los inversores podrían no recuperar todo el dinero invertido. La rentabilidad histórica no garantiza los resultados futuros.

Esta información es exclusiva para clientes profesionales y no está destinada para uso público.