Durante años, muchas empresas han entendido que cuidar sus datos es una tarea indispensable. Y lo es. La información de clientes, empleados, proveedores, operaciones, contratos, ventas, historiales, expedientes o procesos internos forma parte del patrimonio más relevante de una organización.
Por eso, una empresa seria procura saber qué datos tiene, dónde se almacenan, quién puede acceder a ellos, bajo qué condiciones se usan, cómo se protegen, cuánto tiempo se conservan y cuándo deben eliminarse. Esa lógica está en el centro de la gobernanza de datos.
Pero la inteligencia artificial introduce una diferencia importante: los datos ya no solo se almacenan, consultan o protegen. También pueden alimentar sistemas capaces de generar recomendaciones, perfiles, predicciones, respuestas, contenidos, alertas, clasificaciones o decisiones asistidas.
Es en este punto cuando cambia la conversación. Una cosa es gobernar los datos como activo de la empresa. Otra distinta es gobernar lo que un sistema de inteligencia artificial puede hacer con esos datos y lo que la empresa decide hacer con los resultados. La diferencia no es menor.
La gobernanza de datos busca que la información sea confiable, segura, disponible, trazable y utilizada bajo reglas claras. Se ocupa de la calidad del dato, su origen, su clasificación, sus permisos de acceso, su conservación, su protección y su uso permitido. Sin esa base, cualquier proyecto de inteligencia artificial nace con debilidad.
Si una empresa alimenta una herramienta de IA con datos incompletos, desactualizados, sesgados, mal clasificados o usados fuera de contexto, el resultado puede ser incorrecto, injusto o difícil de defender. En ese sentido, la gobernanza de datos no solo sigue siendo relevante; se vuelve todavía más importante.
Pero no basta. La inteligencia artificial agrega una capa distinta de riesgo. No solo importa qué datos entran al sistema. También importa para qué se usa la herramienta, qué proceso modifica, qué nivel de autonomía tiene, qué resultado produce, quién lo valida, qué impacto puede generar y quién responde si algo sale mal.
Una empresa puede tener datos razonablemente ordenados y aun así usar IA en un proceso inadecuado. Puede tener buenos controles de acceso y permitir, al mismo tiempo, que una herramienta influya en decisiones sensibles sin supervisión suficiente. Puede tener políticas de privacidad y carecer de criterios claros sobre sesgos, explicabilidad, errores, dependencia tecnológica o responsabilidad frente a terceros.
Ese es el punto central: gobernar el insumo no equivale a gobernar el sistema.
Los marcos internacionales ayudan a entender esta frontera. Las referencias especializadas en datos, como DAMA International, IBM y la Organización para la Cooperación y el Desarrollo Económicos, tratan la gobernanza de datos como una disciplina orientada a calidad, seguridad, disponibilidad, ciclo de vida, políticas y responsabilidades sobre la información.
En cambio, los marcos de inteligencia artificial amplían el enfoque. ISO/IEC 42001 aborda la IA como parte de un sistema de gestión. El NIST AI Risk Management Framework, desarrollado por el National Institute of Standards and Technology, coloca la función de gobernar como una capa transversal para gestionar riesgos de IA. El AI Act europeo incorpora obligaciones sobre riesgo, datos, documentación, transparencia, supervisión humana, robustez y ciberseguridad. También las referencias de Singapur, Australia y la Unión Africana coinciden en exigir una inteligencia artificial segura, responsable, confiable y alineada con valores humanos, derechos y principios institucionales.
El mensaje no es que los datos importen menos. Es exactamente lo contrario: importan tanto que ya no basta con protegerlos como información estática. Cuando la IA los utiliza para producir resultados que pueden orientar decisiones, la empresa necesita mirar también el comportamiento del sistema, sus límites y sus consecuencias.
Pensemos en una organización que tiene bases de clientes ordenadas, permisos de acceso definidos, avisos de privacidad actualizados y controles internos sobre su información. Desde la perspectiva de datos, puede existir un nivel razonable de control.
Pero si esa misma empresa utiliza IA para segmentar clientes, priorizar cobros, redactar comunicaciones, evaluar candidatos, revisar contratos, resumir expedientes o apoyar decisiones comerciales, aparece una pregunta distinta. Ya no basta saber si el dato estaba protegido y controlado. También hay que saber si la herramienta era adecuada para ese uso, si el resultado requería validación humana, si podía generar un impacto relevante y si la empresa tenía claridad sobre la responsabilidad derivada de su utilización.
Ese es el espacio propio de la gobernanza de IA.
En la práctica empresarial, la confusión aparece cuando se asume que controlar los datos equivale a gobernar los sistemas de IA que operan sobre ellos. Esa lectura puede generar dos riesgos opuestos.
El primero ocurre cuando la empresa adopta IA sin una base mínima de gobernanza de datos. En ese caso, la herramienta opera sobre información poco confiable, mal clasificada, sin trazabilidad suficiente o sin claridad sobre su uso permitido. La IA no corrige automáticamente esos problemas; puede amplificarlos.
El segundo ocurre cuando la empresa cree que, por tener datos ordenados, ya tiene gobernada su inteligencia artificial. Entonces controla el insumo, pero no necesariamente el uso, el resultado, la supervisión o las consecuencias.
Ambos escenarios son delicados.
El riesgo puede aumentar porque la adopción de IA suele avanzar más rápido que la estructura interna que debería acompañarla. Las herramientas son accesibles, los proveedores incorporan IA en servicios que antes no la tenían, las áreas experimentan con soluciones disponibles en el mercado y la presión por automatizar procesos es cada vez mayor.
En ese contexto, la pregunta ya no puede limitarse a los datos. La reflexión debe ampliarse: “¿tenemos controlado lo que la IA puede hacer con esos datos y lo que la empresa hará con sus resultados?
Esa diferencia puede parecer técnica, pero no lo es. Es jurídica, operativa y directiva.
La gobernanza de datos permite saber qué información existe, de dónde viene, quién puede usarla, con qué calidad, bajo qué permisos y con qué restricciones. La gobernanza de IA permite decidir qué sistemas se usan, en qué procesos, bajo qué límites, con qué supervisión, con qué validación y bajo qué responsabilidad.
No se trata de separar artificialmente ambos temas. Tampoco de fusionarlos como si fueran lo mismo. La respuesta está en integrarlos con claridad. La gobernanza de datos debe servir como base de la gobernanza de IA, y la gobernanza de IA debe ampliar esa base hacia modelos, usos, impactos, supervisión y responsabilidad.
Para las empresas, esta distinción será cada vez más importante. El crecimiento de la IA hará que más decisiones, análisis y procesos dependan de herramientas que operan sobre datos internos o externos. Si la empresa no distingue entre gobernar datos y gobernar IA, puede creer que tiene control donde en realidad solo tiene una parte del control.
La conclusión fundamental es: la gobernanza de datos no sustituye a la gobernanza de IA. La sostiene, la fortalece y la vuelve posible, pero no la agota.
Porque en inteligencia artificial, la gobernanza de datos es una condición necesaria; pero la gobernanza de IA permite articular el uso del sistema, la supervisión de sus resultados y la responsabilidad empresarial que puede generar.
